シンプルなコンテンツベースのレコメンデーション・エンジンをPythonで実装する | POSTD
ECサイト向けのレコメンデーション・エンジンを構築すると仮定しましょう。 構築する方法としては、コンテンツベースか協調フィルタリングを使用する2つの進め方があります。それぞれのメリットとデメリットを見てみましょう。そして、コンテンツベースエンジンを 簡単に実装する方法 について探りましょう(Herokuにデプロイ可能です)。 コンテンツベースを使用するとどのようになるのか先に知りたい方は、ほぼ同じレコメンデーション・エンジンが Groveの商品（紹介）ページで使用 されていますので、見てみてください。 コンテンツベースのレコメンデーション・システムはどのように機能するのか 商品説明や商品名、価格などの実際のアイテムプロパティなどが使用されるため、コンテンツベースシステムで構築されていると周りには思われているのではないでしょうか。これまで一度もレコメンデーション・システムの使用を検討したこと
社会人SEが数学を学びなおすならば情報処理学会誌の記事はいかがでしょう？ - 発声練習
社会人になってから何かを学ぼうとするのは尊い。素晴らしい。 tkykhk.hatenablog.com 一方で、高校数学を教養と考えるならば別として、情報処理技術者としての背骨として数学を学びなおそうとするのであれば、今後のことを想像しながら勉強するほうがモチベーションが上がると思う。で、思い出したのが（というか、研究室掃除していたら見つけたのが）2015年5月号の情報処理学会誌「情報処理」の特集「いまさら聞けない！コンピュータの数学」。情報系の大学に入った大学1年生の方々にもおすすめ。「なんで、こんなに数学ばっかりなの？」に答える（今やっている授業がどこにつながるのかがわかる）特集。お近くの情報処理学会員にお願いした以下の記事だけダウンロードして読ませてもらうのが良いかと。不幸にして情報処理学会員が近くにいなければ、お近くの大学図書館で閲覧するか、Amazonで買うか（2015年5月号「
古くて新しい自動迷路生成アルゴリズム - やねうらおブログ(移転しました)
最近、ゲーム界隈ではプロシージャルテクスチャー生成だとか、プロシージャルマップ生成だとか、手続き的にゲーム上で必要なデータを生成してしまおうというのが流行りであるが、その起源はどこにあるのだろうか。 メガデモでは初期のころから少ないデータでなるべくど派手な演出をするためにプロシージャルな生成は活用されてきたが、ゲームの世界でプロシージャル生成が初めて導入されたのは、もしかするとドルアーガの塔(1984年/ナムコ)の迷路の自動生成かも知れない。 なぜ私が迷路のことを突然思い出したのかと言うと、最近、Twitterで「30年前、父が7年と数ヶ月の歳月をかけて描いたA1サイズの迷路を、誰かゴールさせませんか。」というツイートが話題になっていたからである。 この迷路を見て「ああ、俺様も迷路のことを書かねば！俺様しか知らない(?)自動迷路生成のことを後世に書き残さねば！」と誰も求めちゃいない使命感が
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
NIKKEI STYLEは次のステージに
