LSH (Locality Sensitive Hashing) を用いた類似インスタンスペアの抽出 - mixi engineer blog
GW 中の長距離移動のために体調が優れない takahi-i です. 今回は巨大なデータをマイニングする一つの技術として LSH (Localtiy Sensitive Hashing) を紹介させていただきます. LSH とは LSH は大量なデータから類似度が高いインスタンスのペアを高速に抽出してくれるアルゴリズムです. ここでインスタンスはデータ集合の一つの要素を表します. たとえば扱うデータが E-コマースサイトの購買ログであれば, インスタンスは各ユーザですし, 画像データ集合であれば, インスタンスは個々の画像データです. LSH の詳しい解説については以下のサイトがあります. Wikipedia のエントリ LSH に関する論文がまとめられているページ 本稿ではE-コマースサイトの購買履歴データを基に LSH の機能について述べてゆきます. 以下のような E-コマースサイトの
netflix prize is over, 時間経過による嗜好性の変化 - DO++
米国のオンラインDVDレンタルサービス「Netflix」が、現在利用しているレコメンデーションシステムの性能をはじめに10%改善したチームに100万ドルの賞金を与えるという触れ込みで始まったnetflix prizeは当初の予想よりも時間がかかったが、つい最近最初からトップを走り続けていたbellkorと、上位陣のコラボレーションのチームが10%の壁を破った（leaderboard）。 彼らの手法は「非常に多くの様々な種類のレコメンデーションシステムの結果を混ぜ合わせる」という愚直だがいかにも精度が出そうだという方法を採用している（、と昨年度の結果からは思われる。近々詳細は出るだろう。） 実際に使ってとどめになったかどうかは分からないが、彼らのチームの主要メンバーがKDDで新しい手法を発表しており、単一の手法による最高精度を達成している。ちなみに今年のKDD（データマイニング系の学会の最高
協調フィルタリングは、中学生だった私に「ビッグ4」をちゃんと勧めてくれるだろうか？ - livedoor ニュース
協調フィルタリングは、中学生だった私に「ビッグ4」をちゃんと勧めてくれるだろうか？2009年07月12日17時37分 / 提供： 先日、図書館の情報システムを研究されている方とお話をする機会があったのだが、その中で、図書館のシステムも将来的にはコンテンツを推薦するようなシステムの開発も進んでいくのではないかという話になった。 その話しの中身は、協調フィルタリングなどインターネット経由によるコンテンツ推薦は既にお馴染みだが、図書館や書店でこのようなシステムはあまり見ない。これが将来的には「セマンティック」な仕組みが整備されて、図書館などにも導入されていくのではないか？ というお話だった。 このような話を聞いたので「今だったら、図書館の司書さんが、そういう事やってくれそうですね」と言ったら、微妙な反応をされてしまった。なるほど、確かに目的の本がわかっていれば、図書館の検索システムを使えば良
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
Mahout 0.3: オープンソースの機械学習プロジェクト
辞書引き履歴のソーシャル化による学習者支援 江原 遙 二宮 崇 中川 裕志 東京大学情報理工学系研究科 {ehara,ninomi,nakagawa}@r.dl.itc.u-tokyo.ac.jp 1 はじめに 本研究では，辞書引き履歴という情報�
