ニコニコ動画・生放送の”おすすめ”の仕組み niconicoを支えるコンテンツレコメンドシステムの裏側 - ログミーTech（テック）
2018年9月17日から18日にかけて、日本最大のPythonの祭典、PyCon JP 2018が開催されました。「ひろがるPython」をキャッチコピーに、日本だけでなく世界各地からPythonエンジニアたちが一堂に会し、様々な知見を共有します。プレゼンテーション「niconicoにおけるコンテンツレコメンドの取り組み」に登壇したのは、株式会社ドワンゴの大元司氏。講演資料はこちら niconicoにおけるコンテンツレコメンド 大元司氏（以下、大元）：はじめまして。株式会社ドワンゴDwango Media Village部知能情報システムセクションからやってきました。大元と申します。本日は『niconicoにおけるコンテンツレコメンドの取り組み』と題して発表させていただきます。 まずはじめに自己紹介です。私は大元と申します。 神戸大学の大学院システム情報学情報科学専攻博士課程前期課程を2
Session-based Recommendations with Recurrent Neural Networks
We apply recurrent neural networks (RNN) on a new domain, namely recommender systems. Real-life recommender systems often face the problem of having to base recommendations only on short session-based data (e.g. a small sportsware website) instead of long user histories (as in the case of Netflix). In this situation the frequently praised matrix factorization approaches are not accurate. This prob
DMM.comラボはなぜSparkを採用したのか？レコメンドエンジン開発の裏側をお話します！
1. DMM uses Apache Spark for its recommendation system, analyzing user behavior data to provide personalized recommendations. 2. Spark enables real-time analysis through APIs while leveraging machine learning libraries like MLlib and tools like GraphX. 3. DMM discusses how it leverages various Spark features including Spark SQL, MLlib, GraphX, and integration with other technologies like Hive, Sqo
第52回 データマイニング+WEB ＠東京( #TokyoWebmining 52nd )ー機械学習活用 祭りーを開催しました - hamadakoichi blog
2016/3/26 "第52回 データマイニング+WEB ＠東京( #TokyoWebmining 52nd ) ー機械学習活用 祭りー" を開催しました。 第52回 データマイニング+WEB ＠東京( #TokyoWebmining 52nd ) ー機械学習活用 祭りーEventbrite Google グループ 会場提供して下さったFreakOutさん、どうもありがとうございました。素敵なトークを提供してくれた講師メンバーに感謝します。多くの方々の参加を嬉しく思っています。 参加者ID・バックグラウンド一覧 参加者セキココ：第52回 データマイニング+WEB ＠東京 セキココ (作成してくれた [Twitter:@komiya_atsushi] さんに感謝） 以下、全講師資料、関連資料、ツイートまとめです。 AGENDA： ■Opening Talk： O1.「データマイニング+WEB
マイホットエントリー機能のご紹介 - はてなブックマーク開発ブログ
はてなブックマークに「マイホットエントリー」という機能があるのをご存知ですか？ これは、2011年11月からベータ公開している「新ユーザーページ」の新機能の一つです。新ユーザーページだけの機能ですので、ご存じない方も多いかもしれません。 マイホットエントリーとは？ 「マイホットエントリー」とは、TwitterやFacebookの友達、そしてはてなブックマークの「お気に入り」に追加しているユーザーの間で話題になっている記事や、新ユーザーページのもう一つの新機能である「インタレスト」で設定しているキーワードを元に、自分だけのホットエントリーを計算し、1日1回配信するものです。 毎日配信されるマイホットエントリーは、パソコンのブラウザや公式のiPhone/iPadアプリから読むほかに、好きな時間帯にメールで受けとることも出来ます。マイホットエントリーの計算は配信の直前に行われるため、送られてくる
The Echo Nest
The Echo Nest powers intelligent digital music applications. Through a series of web based solutions we enable better search, recommendation and interactivity on the music web.Our Solutions - great for blogs / web apps An API that powers great recommendations for your users by understanding every song, review and news article on your music site. Learn more. - just updated to v2 Upload any song and
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
Fair Ranking as Fair Division: Impact-Based Individual Fairness in Ranking (KDD2022)
Tags recommendation algorithm using Latent Dirichlet Allocation (LDA)
S0502-S07.indd
嗜好抽出と情報推薦技術
機械学習ライブラリ「Spark MLlib」で作る アニメレコメンドシステム
ラーメンと自然言語処理