日本語メディアのためのコンテンツディスカバリーエンジン 「カメクト」をリリース！カメリオ広報部 | カメリオ広報部
「カメリオ」を提供する株式会社白ヤギコーポレーションは、ニュースサイト・ブログ等の日本語メディアのためのコンテンツディスカバリーエンジン「カメクト」を本日より提供します。 ユーザーが知りたい情報をより幅広く提供できるようにすることで、メディアへの流入・回遊率・定着率向上を支援します。 ※プレスリリースはこちらから：http://goo.gl/U4xwFc ■「カメクト」とは キュレーションアプリ「カメリオ」の提供に使用している技術を応用し、Webサイトの内容に関連した記事を自動で収集・表示するサービスです。アプリ内での閲覧データなどを利用し、ユーザーに関連度の高いコンテンツを提供できる点が特徴です。 URL：https://kamect.com/ ■導入のメリット ◎サイト内回遊率を向上 …他サイトコンテンツに加え、自サイト内の記事を優先表示します。これにより回遊率が向上します。
スライドメモ:KDD2014 Tutorial "The Recommender Problem Revisited" - Wolfeyes Bioinformatics beta
Netflixの中の人によるKDD2014 Tutorialの”The Recommender Problem Revisited”のスライド1を読んだので，簡単にまとめてみた．レコメンドのこれまでと現状をひと通り網羅したチュートリアルという感じ．このスライドはKDD2014 Tutorial向けだけれど，今度のRecSys 2014のTutorialでも同様の発表があるようだ(link)． レコメンドの大まかな流れを知りたい人 このチュートリアルもいいけど，日本語で書かれたしましま先生の資料の方が丁寧でわかりやすいかも レコメンドの具体的な手法や流行を知りたい人 このチュートリアルで興味ある分野の箇所を見て個別にReferenceを当たる どっちにしろ素人のまとめなので，以下のメモは参考程度にお願いします． Kdd 2014 Tutorial - the recommender prob
非負値行列因子分解（NMF）によるレコメンドのちょっとした例 - About connecting the dots.
最近線形代数についていろいろ読みなおしたりしてるのですが（線形代数チートシートを前の記事でまとめてあります），その一環でレコメンドアルゴリズムについていくつか試してみたので，それを解説します．順序としては，基本の協調フィルタリング（ユーザベースド，アイテムベースド）→特異値分解（SVD）→非負値行列因子分解（NMF）になります． 基本的な考え方 ここで取り扱うのは，すべて以下のようなユーザ×商品のマトリックスをベースとしたレコメンドになります*1．ここでは映画レンタルサービスを例にして考えます．6人のユーザが，4つの映画*2のうちレンタル視聴したものについては，1-5点の5段階評価を行いました．0になっているものは「みていない」ということになります． まずはざっと評価の状況をみると，「千と千尋の神隠し」が最もよく視聴されていて，6人中4人がみています．次にみられているのは「となりのトトロ」
実践機械学習 — MahoutとSolrを活用したレコメンデーションにおけるイノベーション - 2014/07/08 Hadoop Conference Japan 2014
実践機械学習 — MahoutとSolrを活用したレコメンデーションにおけるイノベーション - 2014/07/08 Hadoop Conference Japan 2014 機械学習は、増え続けるデータをもとに、事業戦略の判断やより正確な予測、関連性の推定を行うための、重要なツールです。機械学習の中でも、最も幅広く活用されているアプリケーションはレコメンデーションエンジンです。スケーラブルな機械学習ライブラリであるMahoutは、レコメンデーションの生成とデータの扱いをシンプルなものにしてくれます。本講演では、より構築が簡単なレコメンデーションエンジンのデザインと、そのイノベーティブな実装方法を活用した場合の利点を紹介します。2014年7月8日に開催されたHadoop Conference Japan 2014での講演資料です。
Slope One Predictors in Python - NO!と言えるようになりたい
Slope One Predictors for Online Rating-Based Collaborative Filteringを読んだメモ1 (http://d.hatena.ne.jp/ytakano/20081002/1222970856)の続きで，D. Lemire and A. Maclachlan, "Slope One Predictors for Online Rating-Based Collaborative Filtering", In SIAM Data Mining (SDM'05), Newport Beach, California, April 21-23, 2005.のメモです slope oneは英語版のWikipediaにも多少載っていますが，英語が読めるなら，元の論文を参照した方がよいでしょう．(http://en.wikipedia.org
1
リリース、障害情報などのサービスのお知らせ
最新の人気エントリーの配信
処理を実行中です
j次のブックマーク
k前のブックマーク
lあとで読む
eコメント一覧を開く
oページを開く
