Deep Metric Learningによる、ホテルや飲食店などの拠点検索改善
1.2 なぜDeep Metric Learningにしたか 改善前のモデルでも特徴量を頑張って作れば解決できないことはないとは思います。「地名、ジャンル等に引っ張られて、拠点名指定を無視してしまう」パターンでは、クエリを解釈するロジックを入れ、地名だということを理解して地名部分のみを拠点の住所とマッチングさせて、それ以外を拠点名にマッチングさせて、という具合で特徴量を作れば正解できる可能性があると思います。しかし、これは一例で全体的に精度を上げるにはさまざまなケースを人が考慮して特徴量を作っていく必要があるので大変です。 そこで、学習データ（クエリと正解拠点のペア）が大量にあることを生かして、DNN（Deep Neural Network）がよしなに学習してくれるのに期待しました。また、プロダクト化することを考えると遅くとも数百ミリ秒以内で応答する必要があるので、クエリと拠点側をそれぞれ
建設的AI対策
語尾追加で水増しするのも多少対策にはなるんだけど、 短文だと効果薄いから、大喜利コメだと無力なんだよね。 セックス連呼しても建設的認定されなかったので、対策を考える。 人気コメント一覧に入ったブコメの内容をいじると、人気コメント一覧から除外されたり戻ったりする。 これを利用して検証する。 ブコメの邪魔にならない文字列を水増しするのが望ましい（クマはちょっと目立つ） ID名を文頭に乗せるというのを思いついたが 試したところ、長文認定されず人気コメには入らない。（URLアドレスは弾くらしいが、半角英数というだけで弾かれるのではないもよう。さすがにそこまでクソアホ仕様ではないか） 文末に.............. →クマほど目障りでない、と思うが建設的認定されず。 .....、.....。 →句読点を付けたが文章として判別されない。 口ロロ路線（漢字とカタカナ） →駄目。口ロロ＋句読点も駄目。
退職してもなおミームとして生き残り続ける社員がいる - KAYAC engineers' blog
この記事は Tech KAYAC Advent Calendar 2021の5日目の記事です。 こんにちは、バックエンドエンジニアの @commojun です。昨年のアドベントカレンダーでは、6年続いているサービスのPerlのバージョンを5.16から5.30にアップデートさせようとしたときの話を書かせてもらってりしていました。 最近は、絶滅危惧種Perlエンジニアのために、#Perlから逃げるなというハッシュタグを流行らせたいなーと思っています。 愛されキャラとは ところで皆さんの身の回りには、愛されキャラと呼ばれるような人はいるでしょうか？仕事場や学校など、身近に愛されキャラがいると、場の空気がとても良くなりますよね。そんな愛されキャラとはどんな特徴を持っているのでしょうか？ 雑にググってみると、例えば以下のような特徴を持っていることがわかります。 人に優しい 素直 寛容 たまに天然 弊
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
朝日新聞デジタル