LdrLens : livedoor Reader 関連フィード検索
LDRLens: livedoor Reader 関連フィード検索 （このフィードを読んでいる人は、こんなフィードも読んでいます） フィード検索 例: http://www.nikkei.co.jp/ 例: 痛いニュース(ﾉ∀`) 例: デイリーポータル Z 例: しょこたん☆ぶろぐ 例: http://otsune.tumblr.com/ 例: DO++ 例: Radium Software 例: アサヒビール 例: 会社法であそぼ。 例: http://jra.jp/ ブックマークレット: LDRLens で関連フィードを検索 収集データ: 136467 フィード, 2348 ユーザ 収集時期: 2008/07 http://labs.irons.jp/
関連フィードを検索する LDRLens を作りました - もしかして: blog.iron’s.jp
関連フィードを検索する LDRLens を作りました。このフィードを読んでいる人は、こんなフィードも読んでいます、というやつです。Bayesian Sets [paper] を使ってみました。 Bayesian Sets については、ほかの方の記事が参考になります(ここやここやここ …)。高速で、なかなか精度もよくてすごいです。 使用しているデータは、2008/07 頃に livedoor Reader から収集した 136,467 フィード、2,348 ユーザです。 「各ユーザの公開フィードの OPML を収集」、「各フィードを最近購読したユーザをスクレイピング」、を繰り返して収集しました。 フィードのタイトルか URL を入力して「検索」を押すと、部分一致で引っかかったフィードを表示します。同時に、それらのフィードを購読しているユーザと、それらのユーザが購読している他のフィードを表示
情報推薦がうまくいくジャンル、うまくいかないジャンル - UMEko Branding
ホットリサーチ調査結果(http://www.hottolink.co.jp/entry160.html)に掲載されていたデータから、以下のような結果が。。。オススメされたと感じた商品ジャンル：・「書籍を販売しているサイト」（３４．５％）・「家電製品を販売しているサイト」（３１．０％）・「CD・DVDを販売しているサイト」（２５．３％）・「ソフトウェアを販売しているサイト」（２３．０％）・「音楽ダウンロードサイト」（６．９％） 実際にオススメされた商品について購入したジャンル：・「書籍を販売しているサイト」（２０．４％）・「ソフトウェアを販売しているサイト」（１４．８％）・「家電製品を販売しているサイト」（１３．０％）・「CD・DVDを販売しているサイト」（９．３％）調査を実施したホットリンク社は、レコメンドエンジンの提供も行っているベンダなので、調査自体に中立性があるかどうか、やや迷うと
レコメンド, LSH, Spectral Hashing - DO++
WEB+DB press vol.49にレコメンド特集の記事をtkngさんと書きました。 内容は最初は、協調フィルタリングやコンテンツマッチの簡単な話から、特徴量をどのように表すか、大規模データをどのように処理するかにいき、特異値分解などの低ランク行列分解によるレコメンドやRestricted Boltzmann Machineといった最近のnetflix prizeの上位の手法など、かなり突っ込んだ議論もしてます。 個人的には三章でLocality Sensitive Hash(LSH)について扱っているあたりがお勧めです。 レコメンドの内部の問題を極言すると、データというのは疎な高次元の数値ベクトル（数百万次元とか）で表され、クエリでベクトルが与えられた時、これと似たようなベクトルを探してこいという問題になります。”似たような”を数学的にいえば、クエリのベクトルとの内積（各ベクトルは長
「このページを見た人はこのページも見ています」を実現するFirefoxのアドオン『Fast Forward』 | 100SHIKI
なんかいいサイトないかなぁ、というときに使えそうな（多分）ツールのご紹介。 BuzzBoxが配布しているFast ForwardなるFirefoxのアドオンは、ブラウザの「戻る」「進む」ボタンに加えて「早送り」ボタンを追加してくれる。 なんとこのボタンを押すと「あなたが今見ているページのあとに他の人がよく行くページ」に連れて行ってくれるのだ。 どうやら各種ネット上の公開データやユーザーが匿名で提出する情報をもとに算出しているようだ。 まだユーザー数が少ないから微妙ではあるが、「他の人が見ているものも自分も見たい」という欲求が人にはあるだろう。 こうした「みんなで楽しむ仕組み」はもっと出てくるといいですね。
好みの近いはてなブックマーカーを探そう！
08.11.29 リニューアル＆URL移転いたしました。 [ 詳細 ] あなたの最近のブックマーク40件と、同じ記事をブックマークしているユーザを傾向が近い順にランキング表示します。お気に入りやお友達を探す際の参考にどうぞ。 はてなid（必須） ： タグで絞込み（オプション） ・ 処理に1分近くかかる場合があります。クリックの連打はしないでください。 ・ 自分のブックマークはパブリックモード（誰でも閲覧可の状態）にしておいてください。 ・ タグで絞り込んだ方がより好みの近いユーザに出会えると思います。 ・ タグ指定は1つだけです。 こちらもどうぞ→類似サービス：Hatebu Friend はてブお気に入りサジェスタ このサイトははてなWebサービスを利用しています。 06.09.01 結果にアイコン表示しました。 06.08.05 ベータ版公開しました。 [
k52.NIKKI :: 「好みの近いはてなブックマーカーを探そう」をリニューアル。
はてブのリニューアルを記念して「好みの近いはてなブックマーカーを探そう」もリニューアルいたしました！ URLも変更になっています。 好みの近いはてなブックマーカーを探そう！ http://chikab.k52.org/ 自分のid「nihonyamori」でやった結果がこちら↓ 主なリニューアルポイントは下記の通りです。 ■RSSの配信 結果をRSSで受信できるようにしました。RSSリーダーに登録しておくとだいたい2日に一度配信されます。 ■単純な重複率ではなく、「2人きり度」を加味してランキング ブックマークの傾向が近いと言っても、1000userをあつめた記事と10userしかブクマされてない記事とではブックマークが重複したことの重大さが異なりますので、少ないブクマ数の記事で重複した場合により強く評価する「2人きり度」という指数を導入しました。 ■重複したブックマークと、それに対するコ
project MyCrawler
オリジナルAIRアプリ「MyCrawler™」のプロジェクトサイトあなたがよく見るサイト、大好きなサイト、ちょっと気になるサイト。 ネットの海には星の数ほど面白いwebサイトがいっぱいあります。 このMyCrawlerはその中でもあなたの趣味に合った巷でウワサのwebサイトを探し出してきてくれます。 しかも、使えば使うほど賢くなります。 これはAdobeのAIRという技術を利用した、オリジナルアプリ「MyCrawler™（マイクローラー）」制作プロジェクトです。 趣味先行型個人用クローラーというコンセプトの基に作られました。 MyCrawlerを起動 あなたの好きなサイトのURL、又はリンクの貼られた画像をブラウザからドラッグ→MyCrawlerへドロップ ※ キャラクターをクリック 新たなサイトを体験する ※2 を繰り返すことであなたの好みをどんどん学習します ※MyCrawlerを
協調フィルタリング
協調フィルタリング 渡辺 崇文, 廣安 知之, 三木 光範 ISDL Report No. 20071019004 2007年 9月 19日 Abstract レコメンデーションサービスのための手法として，協調フィルタリングがある．協調フィルタリングは，ユーザの嗜好情報を元に各ユーザ間の類似度を計算し，その類似度に基づいてユーザの嗜好を推測するシステムである．協調フィルタリングは，Amazonのお勧め機能に採用されていることで有名である． 本報告では，協調フィルタリングについて，その背景や関連概念，応用されているサービス等について調査を行った． 1 はじめに レコメンデーションサービスを提供する際に使用される手法として，協調フィルタリングがある．協調フィルタリングは，ユーザの嗜好情報を元に各ユーザ間の類似度を計算し，その類似度に基づいてユーザの嗜好を推測するシステムである． 本報告
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
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
HatebuFriends
http://www.kde.ics.tut.ac.jp/~sugiyama/sbm/hatebusets.html
http://www.kde.ics.tut.ac.jp/~sugiyama/sbm/hatebufriends.html