IRL: 推薦システム研究所 （土方嘉徳のホームページ）
学術論文 土方嘉徳，吉田哲也，西田正吾：情報提供者によるユーザのナビゲーションを支援する適応型ハイパーメディアシステム，電気学会論文誌，Vol. 120-C, No. 11. pp. 1720-1731, 2000. 小松利彰，土方嘉徳，才脇直樹，西田正吾：カオスと電荷モデルを用いた群集行動のモデリングと生成，電気学会論文誌，Vol. 121-C, No. 1. pp. 118-126, 2001. 渡辺正人，吉田哲也，才脇直樹，土方嘉徳，西田正吾：イメージに基づいたWebページデザイン支援システム, ヒューマンインタフェース学会論文誌, Vol.3, No.4, pp.73-83, 2001. 土方嘉徳, 青木義則, 古井陽之助, 中島周：マウス挙動に基づくテキスト部分抽出方式と抽出キーワードの有効性に関する検証, 情報処理学会論文誌, Vol.43, No.2, pp. 566-576
Account Suspended
Account Suspended This Account has been suspended. Contact your hosting provider for more information.
Google Suggestのおもしろい結果ばかりを集めたブログ『Autocomplete Me』 | 100SHIKI
Google Suggestでは世の中の人がどんな検索をしているかを垣間見ることができる。 これ、とっても便利な機能ではあるが、ときに「え？そんな検索するんだ・・・」と思わないでもない結果も出てくる。 先日「夫」、「妻」に続く検索候補がけっこう笑えて（というかひどくて）話題になったこともあるのでご存知の方も多いだろう。 そこで登場したのがAutocomplete Meなるブログだ。 このブログではGoogle Suggestの笑える検索候補を集めている。「へー、そうなんだ（苦笑）」というものがあってなかなか笑える。 検索という行為によって人のニーズを知ることができるのは間違いない。楽しみながら人の発想を知るにはいいかもしれない。
twitter Finding Friends
ドメインウェブの設定が見つかりません 考えられる原因 ドメインウェブの設定がまだ行われていない。 ドメインウェブの設定がまだ反映されていない。(反映には数時間～24時間かかることがあります) ドメインウェブ・DNSの設定が誤っている。 アカウントが存在しない、契約が終了している、削除されている。
レコメンデーションの虚実（18）～アットコスメに見る日本式「共感型レコメンデーション」の世界
レコメンデーションの虚実（18）～アットコスメに見る日本式「共感型レコメンデーション」の世界：ソーシャルメディア セカンドステージ（2/2 ページ） 大量の口コミが集まる＠cosmeだが この問題に取り組んでいる企業のひとつに、化粧品の口コミサイト「＠cosme（アットコスメ）」を展開しているアイスタイルがある。吉松徹郎社長兼CEOは、次のように話す。「化粧品は、女性がただきれいになるための道具ではないのです。例えば食事をする店でも『今日は恋人と行くからちょっと高級なイタリアンレストラン』『今日はひとりだからささっと吉野家で』とTPOに応じて店を変えるように、化粧品もその時々で変える。あるいは安い商品だって『こんなに安くて良いものを見つけた』という喜びを感じることがあるし、高い化粧品に持つ喜びを感じることもある。同じ化粧品であっても、それに対して女性が抱く気持ちはさまざまなんです」。加えて
ソーシャルメディア セカンドステージ：レコメンデーションの虚実（最終回）〜ソーシャルレコメンデーションという新世界 (1/2) - ITmedia アンカーデスク
レコメンデーションの虚実（最終回）～ソーシャルレコメンデーションという新世界：ソーシャルメディア セカンドステージ（1/2 ページ） いまレコメンデーションが求められる理由 これまで18回にわたって、レコメンデーションの可能性とその限界についてさまざまなアプローチから考えてきた。 レコメンデーションという用語がなぜいま注目を集めているのかという理由を、もう一度ここで提示しておこう。最大の理由は、検索エンジンやブログのRSS配信など、使いこなすためには高度なスキルが必要なツールでは、情報の洪水をうまく泳ぎ切るのが不可能になりつつあるからだ。ネットの情報量が認知限界を超えてしまっているのである。以前（認知限界をどう乗り越えるのか）にも書いたが、認知限界というのは米国の経営学者が発明した言葉で、外の世界がどんどん複雑になってくると、人間はその複雑さを処理できなくなってしまうという意味だ。情報の量
推薦するなら推薦理由を添えてくれ：ナレッジ！？情報共有・・・永遠の課題への挑戦：オルタナティブ・ブログ
昨日は第３回のソーシャルブックマーク研究会に参加するために東工大まで行ってきた。おめあては岡野原 大輔さんによる「SBMの推薦アルゴリズム」という講演。 講演の中では、はてなブックマークにおける「関連エントリ」をどのように計算しているかの説明があった。で途中のベイジアンセットなどの難しい数式の説明は置いておいておくとして、結論としてははてブの「関連エントリ」については、ほぼブックマークにつけられたタグだけを使って計算し表示していると言うことだ。岡野原さんによると、他にもいろんな手法を試したがソーシャルブックマークの場合はタグの信頼性が高く、それを使うのが最も精度が高くなったということだ。これはすばらしい研究だし役に立つ知見だと思う。 だがしかし、それならばはてブで推薦ブックマークを表示する時に「関連エントリ」なんて表記をしないで「このブックマークと似たタグを持っているブックマークはこれです
「日本語テキストを分類するベイジアンフィルタ」を簡単につくるyo - download_takeshi’s diary
数週間前の話になりますが、「はてブのリニューアル会見」の記事を読んでいたところ、はてブにも「自動カテゴライズによる記事分類」の機能が搭載されるとか。。。 同じようなタイミングで「似たようなモノ」というか「ほぼ同じようなモノ」を作っていたので、すごーくインスパイアされてしまいました。ジュワ〜。（アドレナリンの放出音） 数週間たってもいまだ興奮冷めやらぬ状態なので、今日はその件について書いてみようと思います。 Lingua::JA::Categorize - a Naive Bayes Classifier for Japanese document. http://search.cpan.org/~miki/Lingua-JA-Categorize-0.00001/ 「はてブのパクリ」ではありません。「ベイジアンによる日本語テキスト分類器」を「簡単に作る」ことを目的としたモジュールです。 も
【第4回】レコメンデーションの虚実（4）〜ベイジアンは「Amazonを超えた」のか？ (1/2) - ITmedia アンカーデスク
レコメンデーションの虚実（4）～ベイジアンは「Amazonを超えた」のか？：ソーシャルメディア セカンドステージ（1/2 ページ） Amazonを超えるレコメンデーションエンジン 今年8月6日・13日号の『日経ビジネス』誌に、「王子とニート 若者を浪費する日本社会」という特集が掲載された。この特集の中で紹介されていたのが、ライブドアのCTO（最高技術責任者）や代表取締役を経てゼロスタートコミュニケーションズを設立したzakiさんこと山崎徳之氏。この記事で、彼の登場する場面はなんとも凄い。次のような書き出しだ。 天才プログラマーの腕はさび付いていなかった。 「よし、とりあえずアマゾンは超えたかな」 東京・渋谷の小さなオフィスで、ゼロスタートコミュニケーションズ社長の山崎徳之はキーボードから手を離すと、小さく伸びをした。 この記事のことを聞いてみると、彼は苦笑しながらこう言った。「いやあ、さす
レコメンデーションの虚実（3）～顧客属性はなぜ追い求められなかったのか
レコメンデーションの虚実（3）～顧客属性はなぜ追い求められなかったのか：ソーシャルメディア セカンドステージ（1/2 ページ） 「顧客の属性」を読み取る方法 連載前回で、協調フィルタリングには顧客同士の行動の類似性を見ているだけで、“顧客の属性を見ていない”という問題があるということを書いた。例えば、妻にプレゼントするために夫が女性用化粧品を購入すると、その後しばらくは女性用化粧品をさかんに勧められるような現象が起きてしまうというようなことを挙げた。そしてこうした顧客の属性を見ていないという問題は、コンテンツフィルタリングでも協調フィルタリングでもカバーできないということも書いた。 「モノを買う」という行動を解析してみよう。バラバラに分解すれば、次の3つに分けることができる。 ・商品の属性（その商品がどのような分野の商品で、どのような名前を持ち、どのような特徴があるのか） ・顧客の属性（顧
ソーシャルメディア セカンドステージ：【第2回】レコメンデーションの虚実（2）?レコメンデーションの分類 (1/2) - ITmedia アンカーデスク
レコメンデーションの代表的手法 レコメンデーションには、いくつかのアプローチがある。とりあえずそのアプローチを俯瞰してみると、おおむね以下の5つに分類することができる。 （1）ルールに基づくレコメンデーション （2）コンテンツベースのフィルタリング （3）協調フィルタリング （4）統計学的なアプローチ （5）行動ターゲティング （6）ソーシャルネットワーキング ひとつずつ説明していこう。 （1）のルールに基づくレコメンデーションというのは、「ビジネスルール方式」とか「インテンショナル（意図的な）レコメンド」などと言った呼び方もある。例えば「美容室に髪を切りに来た人に、ヘアケア製品を勧める」「プリンターを買った人に、インクトナーを勧める」など、最初に「ある製品を買った人、ある行動をした人には、この製品やサービスを勧める」というルールを定めておく方法だ。このレコメンデーションはわかりやすいけれ
情報推薦・情報フィルタリングのための～ (application/pdf オブジェクト)
1 ¤ ✞ ✝解 説 ✆ 情報推薦・情報フィルタリングのための ユーザプロファイリング技術 User Profiling Technique for Information Recommendation and Information Filtering 土方 嘉徳 大阪大学大学院基礎工学研究科 Graduate School of Engineering Science, Osaka University Yoshinori Hijikata hijikata@sys.es.osaka-u.ac.jp, http://www.nishilab.sys.es.osaka-u.ac.jp/people/hijikata/index.html keywords: user profiling, information filtering, recommender system, relev
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
TechCrunch | Startup and Technology News
推薦Wiki ページリスト
優秀なリコメンド機能を備えた音楽プレーヤー「Instinctiv」（Androidアプリあり） | ライフハッカー・ジャパン
GitHub - livedoor/cicindela2: a highly customizable recommendation engine written in perl + MySQL
はてなブログ | 無料ブログを作成しよう
ソーシャルリコメンデーション「Goronto」 ：ソーシャルメディア.jp
スケジュールに基づくWebページ推薦に用いる検索単語の選定 | CiNii Research
Amazon.co.jp: 集合知イン・アクション: Satnam Alag (著), 堀内孝彦 (翻訳), 真鍋加奈子 (翻訳), 真鍋和久 (翻訳): 本
