サクサク読めて、アプリ限定の機能も多数！
トップへ戻る
デスク環境を整える
tech.stockmark.co.jp
dummy GA 新しいURLに転送しています… https://stockmark-tech.hatenablog.com/entry/2024/01/25/170000...
dummy GA 新しいURLに転送しています… https://stockmark-tech.hatenablog.com/entry/2023/12/15/110000...
dummy GA 新しいURLに転送しています… https://stockmark-tech.hatenablog.com/entry/2023/12/14/170000...
dummy GA 新しいURLに転送しています… https://stockmark-tech.hatenablog.com/entry/2023/12/05/130000...
ビジネスのドメインや最新情報に対応した130億パラメータの日本語LLMの公開
より多くの “気づき” を届ける- 世界中のテキストの構造化に挑む Knowledge Unit の紹介 -
最近の話題にも詳しい14億パラメータの日本語LLMの公開
dummy GA 新しいURLに転送しています… https://stockmark-tech.hatenablog.com/entry/2023/07/03/080000...
Web上の記事から意味のある情報を抽出するためのノイズ削除の方法を紹介している。また、ChatGPTによるノイズ削除との比較も示す。
dummy GA 新しいURLに転送しています… https://stockmark-tech.hatenablog.com/entry/2023/04/19/093000...
dummy GA 新しいURLに転送しています… https://stockmark-tech.hatenablog.com/entry/2023/02/17/080000...
日本語ビジネスニュースコーパスを学習したBART事前学習済モデルを紹介します。
2022年のニュースから自然言語処理技術を用いてキーフレーズを抽出
自然言語処理技術を用いてAstrategyにおける顧客体験向上のための取り組みを行った話です。
ストックマークのプロダクト開発・運用で意識・工夫していること（リグレッションテストやライブラリメンテナンスなど気をつけていることなど）を紹介します。
ストックマークのプロダクト開発・運用では、Node.jsを利用してAWS Lambda を月間1.6億秒利用しています。本記事ではそこから分かった知見を紹介します。
ストックマークではプロダクト開発の方法として、プレスリリース駆動開発を採用しています。本記事ではそこから分かった3つの変化を紹介します。
開発チーム規模の拡大に合わせてブランチ戦略を見直した内容を紹介する記事です
2022/5/25 に Stockmark Tech Meetup #02 を開催しました！本記事では、2つ目のLTである “個別最適でプロダクトを作り続けたスタートアップがデータ専任部隊を作ることにした話” を再編成してお伝えいたします。本記事を読むことで、以下の2点が分かります。 AIスタートアップが膨大なデータに立ち向かってきた歴史ストックマークが抱える膨大なデータに対して、どのように開発チームがアプローチしているかストックマークのプロダクトはデータに支えられているまず前提として、ストックマークのプロダクトである Anews と Astrategy はどちらも、国内外で公開されている膨大なデータを利用しています。 上図のデータはWebクローラーによって毎日収集され蓄積されています。実装としては、大量のAWS lambdaによる汎用的な収集・抽出処理が内部で動作しています。Webクロー
グローバル化が進む現代において、様々な言語で情報収集を行う必要性がこれまで以上に高まっています。Stockmark ではそうしたお客様の情報収集を支援するために多言語テキストの解析にまつわる研究が行われています。本日はその基礎技術である多言語モデルについて紹介します。 多言語モデル (multilingual language models, crosslingual language models) は複数の言語を扱うことができる言語モデルです1。リソースが十分にない言語での下流タスクにおいて、多言語モデルのパフォーマンスが単言語の言語モデルよりも優れていることが報告されています (Wu and Dredze 2019)。また多言語を1つのモデルで扱えるようになることで、言語ごとに異なるモデルを用意する必要がなくなるという運用上の利点もあります。こうした点から近年では多言語モデルは自然言
検索エンジンのMore-Like-Thisクエリとグラフアルゴリズムによる類似記事集約
Grouping Similar Articles with Search Engine More-Like-This Queries and Graph Algorithms
OpenSearchのMore Like This Queryを利用した類似記事集約について解説します。
ボケて電笑戦(AIによる画像大喜利)で作成したモデルについて紹介します。
はじめにこんにちは、Anewsのエンジニアリングマネージャーの山崎です。 この記事はストックマークアドベントカレンダーの22日目の記事です。 普段は、エンジニアリングマネージャーとして開発体制や中長期のエンジニア戦略を考えています。 またエンジニアリングマネージャーとは別にエンジニアとしてAnewsのFlutterアプリの開発を行なっています。 Anewsの開発組織では全員がフルスタックエンジニアとして働くことを推奨しており、 開発体制やプロセスについてもフロントエンド、バックエンドなどの領域を意識せず顧客への価値提供を最大化するためエンジニアが必要な開発を行うようにしています。 その中で、モバイルアプリだけは固定されたメンバーで開発を行うような体制になっています。 理由としては、 ・ モバイルアプリの開発経験が少ない ・ モバイルアプリのコードが複雑になっており、学習コストが高くなってい
ML事業部の金田です。今回はAnewsへの応用を見越して実施した、公開データセット（MINDデータセット）を用いた既存ニュース推薦手法の性能確認実験について紹介します。なお、実験で用いたコードはこちらに公開しています。 背景当社の開発する法人向けサービスのAnewsには、ニュース推薦システムが実装されています（その概要は以前の記事で紹介したとおりです）。 このシステムは、製品開発の初期段階に構築されたものです。その際には顧客要求を素早く叶えることが優先されており、当時はニュース推薦システムの研究動向を十全にフォローアップできていませんでした。構築以降に実施されたシステム品質改善も、顧客から寄せられた問題の解消を目的としていたため、「そもそも技術的観点から現行システムにどの程度改善の余地があるのか？」という疑問に対して、これまで明確な回答を用意できていませんでした。 この問題を解消するため、
自由と責任を開発チームにもたらしたら開発速度が上がった話
dummy GA 新しいURLに転送しています… https://stockmark-tech.hatenablog.com/entry/2021/10/01/120000...
はじめにこんにちは、ストックマークでエンジニアをしている麻生です。ストックマークでは、「Anews」というウェブサービスを提供しています。この度、Anewsで新機能導入のために日次バッチの大規模なインフラ変更を行い、GPU並列処理環境を構築しましたのでご紹介します。 組織の自律化を支援するナレッジプラットフォーム「Anews」Anewsは国内外30,000メディアのニュースを毎日収集し、最先端の自然言語処理で個人や組織のミッションに即したニュースをレコメンドします。コメント機能で簡単にチームにアイデアを共有でき、社内の知見者から学ぶことでチームの情報感度が底上げされます。 エンタープライズを中心に、累計1500社以上のお客様にご利用いただいているサービスです。 英語記事をレコメンドする上での課題Anewsでは、記事への行動履歴からユーザーや組織の好みを学習し、記事をレコメンドしています。ユ
次のページ
このページを最初にブックマークしてみませんか？
『https://tech.stockmark.co.jp/』の新着エントリーを見る
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
