Amazonの推薦システムの20年
IEEE Internet Computingの2017年5・6月号に "Two Decades of Recommender Systems at Amazon.com" という記事が掲載された。 2003年に同誌に掲載されたレポート "Amazon.com Recommendations: Item-to-Item Collaborative Filtering" が Test of Time、つまり『時代が証明したで賞』を受賞したことをうけての特別記事らしい 1。 「この商品を買った人はこんな商品も買っています」という推薦で有名なAmazonが1998年にその土台となるアルゴリズムの特許を出願してから20年、彼らが 推薦アルゴリズムをどのような視点で改良してきたのか 今、どのような未来を想像するのか その一端を知ることができる記事だった。 アイテムベース協調フィルタリング 20年前も
ソーシャルグラフじゃない、次の流れはテイストグラフ!（鈴木 仁士） @gendai_biz
2007年、ニューヨークから非常に面白いスタートアップが登場しました。写真共有サービスのFlickrを共同創業したCaterina Fake氏、そして起業家兼、個人投資家で以前SkypeやFoursquareに投資をしていたChris Dixon氏が手を結び、新しいレコメンデーションサイトにチャレンジをしたのです。 それがHunch (=直感)です。彼らは、ユーザーがキーワードを入力する従来の検索エンジンに変わって、より自然に、そして的確に人々の意思決定をサポートする「レコメンデーションエンジン」の開発を試みました。 ご存知、FacebookやTwitterなどのサービスを通して、人と人の繋がりは「ソーシャルグラフ(人間関係図)」として可視化されましたが、Hunchの着目点は違います。彼らは、ただの友達や同僚だけではなく、同じ趣味や嗜好を持った人々同士を「テイストグラフ(趣味をベースにした
レコメンドサービスを「気持ち悪い」と感じるユーザー心理 KDDI研究所らがはじめて定量的解析に成功
『MarkeZine』が主催するマーケティング・イベント『MarkeZine Day』『MarkeZine Academy』『MarkeZine プレミアムセミナー』の 最新情報をはじめ、様々なイベント情報をまとめてご紹介します。 MarkeZine Day
レコメンデーションエンジンがロングテールの敵になる？
ペンシルバニア大学ウォートン校の研究者2人が、オンラインレコメンデーションサービスはユーザーが出会う商品の多様性を損なうかどうかをテーマにした論文を2007年9月下旬に発表した。この研究のタイトルは「Blockbuster Culture's Next Rise or Fall：The Impact of Recommender Systems on Sales Diversity」（市場を席巻した方式の趨勢はいかに：販売商品の多様性に対するレコメンデーションシステムの影響）というもので、わたしはPaidContentでこの論文のよい要約を見つけた。 世のあらゆる指標がレコメンデーションエンジンの重要性が増していくことを示しており、この議論は検討しておくべきだ。eBayのStumbleUponの買収からCBSによるLast.fmの買収、そして10月のMSNBCによるNewsvineの買収ま
最強のリコメンデーション - kokokubeta;
自分が好きなものや、気になるものをネット上で書いたり、集めたりする。そうすると、それをブックマークなり、フォローなりしてくれる人が出てくる。フォローという語感から考えると、自分に従属というか、追っかけるというようなニュアンスが出るけれども、実際は自分よりも上手というか、たいていの場合はある方面で必ず自分より優れている人である。だから最適戦略というのは、自分をフォローしたり、ブックマークしてくれる人を逆向きに追っかけるということである。自分の発信が最初にあるのだけれども、それによって推薦されるべき人（と情報）がそれにくっついてくるようなイメージである。最強のリコメンデーションというのは、こっちから発信して、そのフィードバックを逆向きに追っかけるということになる。よって、リコメンデーションで最も重要な点は、おそらく「自分の情報を出すこと」だろう。情報というのは、探すのではなくて、出すと寄ってく
TABLOG:「Twitterは人間性の勝利であって、テクノロジーの勝利ではない」創業者Biz StoneのUCバークレーでのスピーチ - livedoor Blog（ブログ）
2009年05月03日 「Twitterは人間性の勝利であって、テクノロジーの勝利ではない」創業者Biz StoneのUCバークレーでのスピーチ Twitter創業者Biz Stoneが、4月25日にUCバークレーでのビジネススクールのOB集合イベントで行ったスピーチが、凄く面白いです。 そのスピーチ動画があること自体も、TwitterでDaumのJungwook Limさんから知らせてもらいました。今朝の4時に、Uploadされたてホヤホヤの動画なので、早速、朝から見てみました。 この人は、独特の緩い感じの楽天的なノリで、あんまり、ガツガツしてない、少し草食な感じが、面白いですよね・・。金融危機後の新世代の起業家のロールモデルだと思いますね。その内容に、あまりに感銘を受けたので、内容の要約にトライしてみました！ 以下は、私が、聞きながら面白いと思った部分をメモしたものです。例によって私の
レコメンド（推薦）・サービスに一番大切なこと - llameradaの日記
flickrの写真をクリック履歴から自動的に推薦するサービス「フォト見る」を数日前にリリースしました。さいわい、気に入って頂いた方もいるようです（Route 477(2009-03-12)）。「フォト見る」をリリースしてみて思ったのですが、レコメンド（推薦）を軸としたサービスでは初心者ユーザにいかに使ってもらえるかが一番大切だなと思いました。 ユーザに何かを推薦するには、当たり前ですが、そのユーザの好みを知っている必要があります。例えば、「フォト見る」では、ユーザが過去にクリックした写真から好みを推定しています。ところが、初めてページを訪れたユーザの好みは全く分かりません。1つでも写真をクリックしてくれれば、ユーザの好みが少しでも分かります。ところが、ユーザの好みが分からない状態では推薦は無理なので、初めてのユーザに対してはどうでもよい写真が表示されやすく、写真をクリックしてもらうのがなか
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
ーＯＯＯ-レコメンドの「リアル」と「ウェブ」 - あんだんご ーＯＯＯ-
今夜はAMNさんのイベントで渋谷のタワーレコードさんにお邪魔して、「gooラボ ネットの未来プロジェクト」ブロガーミーティング テーマ：レコメンデーションに参加してきました。 さて、レコメンデーションって何でしょう？ すごくシンプルに言えば 「オススメ」 ってことなのですが。 イベントを通して感じたのは、gooラボさんの考える 「ウェブでのレコメンド」 と、タワーレコードさんの考える 「リアルのレコメンド」 は大きく違うと言うことでした。 ウェブ業界で言われるレコメンドというのは 「機能」 の話になります。 購買履歴をつかったレコメンド amazonの 「おすすめ商品」 ある一定期間の情報をもとにしたレコメンド googleのウェブ履歴 今見てるコンテンツに関するレコメンド amazonの 「この商品を買ったヒトはこの商品も…」 YouTUBEの 「この動画を見た人は…」 簡単に言って、ユ
はてなブログ | 無料ブログを作成しよう
織田信長 ぼちぼち、元気にやっています。少し薬にも慣れた...んかなぁ。相変わらず食べられないけど。朝、指がこわばって文字なんて入力できなかったけど、それはほぼなくなった。関節もどこも痛くない。薬効いてきたんやろな。 で、ブログを書こうと言う気がまた起きてきた。 …
情報推薦アルゴリズムの効果をどう評価するのか - 図書館情報学を学ぶ
以前このブログでも紹介した『集合知プログラミング』を読みつつ、細々とデータマイニングの勉強を続けているこの頃です。それに関連して情報推薦についての研究動向についても調べていたりしているのですが、そうしていくうちに疑問に感じることがありました。 それは、情報推薦アルゴリズムの有効性を正しく評価できるのか？ということです。アルゴリズムというと、素数の判定やソートなどが思い浮かびますが、その場合の有効性はいかに少ない時間で計算結果を出せるかという、定量的な尺度で評価することが可能です。しかし情報推薦の場合は効率性ではなくユーザーの明示化できない欲求に応えることという数値化しにくい目的であるので、果たしてそこで導入されるアルゴリズムの有効性はそもそも評価できるのだろうか？と思うのです。 情報検索のアルゴリズムの場合は、適合率と再現率の2つの尺度によって評価することができます。適合率とは「検索結果中
「誰か」から「誰か」へのメディア : As Sloth As Possible
つまり、一部のヘビーユーザーの嗜好が強く反映されすぎると、新規ユーザーの開拓が阻害されるかもしれない。 それならば、ヘビーユーザーの嗜好を運営が否定していいのか。 否定していいはずがないし、少なくともはてなはやらないだろう。このまま流れに身を任せるだろう。その結果このようなエントリーだらけになってしまったら、さすがにライブドアクリップやdeliciousにユーザーが流れると思う。 運営の手でCGMサイトにおけるヘビーユーザーの影響力を薄める行為の是非が問われているのかもしれない。 SBMのゆくえ 〜運営がヘビーユーザーの影響力を薄めるべきか〜 - Core クリップに流れてきてくれる分には俺としては嬉しいけど、それはまぁそれとして、ちょっと思うところがあったので色々考えてたらまとまらなくなったので書きながら考えることにする。 偏って欲しいわけはない 本気で「集合知」だとか「Web 2.0メ
集合愚から集合知を取り出す - 妄想科學倶樂部
はてなブックマークが衆愚と呼ばれて久しい。Wikipediaは記事のかなりの部分が信頼おけぬものであることが徐々に認知されつつある。市民ニュースは悉く失敗に終わった。 Web2.0は集合知の時代だと言うが、実際に知が取り出せた部分はほんの一握りで、それ意外の大半は愚にもつかない情報ノイズなのではないか。 そりゃそうだ。「SFの90%はクズである。ただし、あらゆるものの90%はクズである」といったのはテオドア・スタージョンだが、要するにあらゆるものは玉石混淆であり、玉より石の方が圧倒的に多い。その中からどうやって玉を選り分けるか、それがWeb2.0などと銘打たれた代物の本質であって、そのための装置(とそれによって得られた全体)を見て何か言っても仕方ないのだ。全体を見れば、常に90%はクズなのであって、注目すべきはそのうち10%の玉、そしてそれを石から選り分けるのに要する手間の部分だけだ。そこ
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
【コラム】シリコンバレー101 (324) 難攻不落と言われたNetflix Prize"10%の壁"、国際チームが突破 | ネット | マイコミジャーナル
http://twitter.com/todesking/status/1248625769
jugyo.org