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
「一人一人に最適な“オススメ”を実現する」レコメンデーション専業のALBERT・山川会長
本日のゲストはレコメンデーション専業企業のALBERT（アルベルト）の山川義介会長です。レコメンデーションとはいわゆるオススメサービスであり、ユーザーにとって価値があるだろうと思われる商品やコンテンツを提供するための仕組みです。 技術的には検索エンジンのアルゴリズムと似ていますが、検索と違って、ほしいモノやキーワードがわからないユーザーに対してプッシュするところが大きく違うサービスです。 山川 義介 株式会社ALBERT 代表取締役会長 横浜国立大学工学部卒業。TDK株式会社記録メディア事業部門にて研究開発、商品企画に従事の後、株式会社マルマンに転じ常務取締役家電事業部長などを歴任。1995年株式会社エムアンドシーを設立し代表取締役に就任。2000年株式会社インタースコープを設立し、取締役副社長に就任。2001年6月株式会社インタースコープ代表取締役社長に就任。2002年「EOY JAPA
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
転職・退職代行マガジン -
http://japan.internet.com/wmnews/20090224/3.html?rss
