書籍販売サイトbk1におけるレコメンドエンジンAwarenessNetの導入効果 | CiNii ResearchJaLC IRDB Crossref DataCite NDL NDL-Digital RUDA JDCat NINJAL CiNii Articles CiNii Books CiNii Dissertations DBpedia Nikkei BP KAKEN Integbio MDR PubMed LSDB Archive 極地研ADS 極地研学術DB 公共データカタログ ムーンショット型研究開発事業
次元が高い場合に関してのsimhashの計算 - tsubosakaの日記
最近simhashの実装を行っていて、データの次元が高いとsimhashを計算するのに必要なランダムなベクトルをメモリ上に乗らないという事態が生じたのでad hocな方法で回避していたけど、論文[1]をよく見直すとほぼ同じ方法でより計算コストが少ない方法が紹介してあったので少し解説を行ってみる。ちなみに以下の解説では低次元のビットベクトルに縮約した後にハミング距離が近いものをどうやって探索するかについては述べないです、それに関しては[1],[2]を参照してください。 ちなみに自分が実装したのは各ビットごとに次元に対するハッシュ関数を定義して計算する方法でした。この方法だと以下で開設する手法よりもf倍の回数ハッシュ関数を計算する必要があるので実行時間が割とかかる。 解説 simhash[3](文献によってはLSHと呼ぶこともある[2])は次元削減の手法の一つで、高次元のデータを低次元のビット
Learning to Hash! 最新 Locality sensitive hashing 事情 - 武蔵野日記
高速に類似度計算をしたい場合、典型的に使われるのは Locality sensitive hashing (LSH)という技術であり、元々距離が近いインスタンス同士はハッシュ値が近くなるようにハッシュ関数を作ることで高速に類似度を計算したりできるというお話なのだが、最近 Semantic hashing や Spectral hashing、また Kernelized LSH という手法が登場して盛り上がりつつあるところ、同じグループの人がもっといいのを出しました、ということらしい。ちなみに情報推薦とか画像検索とか大規模クラスタリングとか、いろいろな分野で高速な類似度計算の応用例がある。 そういうわけで、今日は manab-ki くんが Brian Kulis and Trevor Darrell. "Learning to Hash with Binary Reconstructive
類似画像検索システムを作ろう - 人工知能に関する断創録
C++版のOpenCVを使ってカラーヒストグラムを用いた類似画像検索を実験してみました。バッチ処理などのスクリプトはPythonを使ってますが、PerlでもRubyでも似たような感じでできます。 指定した画像と類似した画像を検索するシステムは類似画像検索システムと言います。GoogleやYahoo!のイメージ検索は、クエリにキーワードを入れてキーワードに関連した画像を検索しますが、類似画像検索ではクエリに画像を与えるのが特徴的です。この分野は、Content-Based Image Retrieval (CBIR)と呼ばれており、最新のサーベイ論文（Datta,2008）を読むと1990年代前半とけっこう昔から研究されてます。 最新の手法では、色、形状、テクスチャ、特徴点などさまざまな特徴量を用いて類似度を判定するそうですが、今回は、もっとも簡単な「色」を用いた類似画像検索を実験してみます
LOGLY lift | ネイティブ広告サービス
LOGLY liftとは？ LOGLY liftは国内初のネイティブ広告プラットフォームです。 媒体のデザインに統合し、ユーザー体験に合わせた広告配信を実現します。 ネイティブ広告についてもっと詳細に知りたい方は、LOGLYブログの「ネイティブ広告とは何か？」をご覧ください。 また「ネイティブ広告に期待できること」の資料も無料でダウンロードいただけますので、こちらもご覧ください。 - Technology - 独自のコンテキストマッチ技術を用いて関連性の高いメディアへ配信が可能です。 ブランドリフト、再訪問率向上、ポジティブな態度変容が期待できます。 ネイティブ広告配信において 圧倒的パフォーマンス どのサイトが何について 言及しているのか把握 特定キーワードの出現回数に 依存せずに文書の本質を把握 微妙なニュアンスの文書でも的確に 内容を把握することができる 特許技術を利用した 広告配信
最強のリコメンデーション - kokokubeta;
自分が好きなものや、気になるものをネット上で書いたり、集めたりする。そうすると、それをブックマークなり、フォローなりしてくれる人が出てくる。フォローという語感から考えると、自分に従属というか、追っかけるというようなニュアンスが出るけれども、実際は自分よりも上手というか、たいていの場合はある方面で必ず自分より優れている人である。だから最適戦略というのは、自分をフォローしたり、ブックマークしてくれる人を逆向きに追っかけるということである。自分の発信が最初にあるのだけれども、それによって推薦されるべき人（と情報）がそれにくっついてくるようなイメージである。最強のリコメンデーションというのは、こっちから発信して、そのフィードバックを逆向きに追っかけるということになる。よって、リコメンデーションで最も重要な点は、おそらく「自分の情報を出すこと」だろう。情報というのは、探すのではなくて、出すと寄ってく
Bayesian Setsを試してみた - のんびり読書日記
この前YAPC Asia 2009に参加してきたのですが、そこで「はてなブックマークのシステムについて」の発表の中で、「はてブの関連エントリはBayesian Setsを使って計算されている」という話を聞いてBayesian Setsに俄然興味が湧いてきました。Bayesian Setsは以前論文だけ少し読んで、あまりよく分からないまま放置していたのですが、せっかくなのでPerlで作って試してみました。 Bayesian Setsについて詳しくは、以下のリンク先の資料をご参照下さい。 Bayesian Setsの論文 Bayesian Setsの詳しい説明記事 bsets, The Bayesian Sets algorithm. (Matlabのコード) 実際に作成したコードは以下の通りです。上記のMatlabのコードを参考にさせていただいています。 #!/usr/bin/perl #
岡野原 大輔さんの講演 - Tocotonistの日記(晴れのち快晴)
私の一番のmotivationはこのセッションでした。 11:00〜11:50 講師: 岡野原 大輔さん(blog, twitter） 所属：株式会社プリファードインフラストラクチャー（PFI）特別研究員, 東京大学辻井研, 辻井研の論文 講演タイトル：SBMの推薦アルゴリズム 〜はてなブックマークのレコメンド（関連エントリ）の仕組み〜 資料upあり videoあり rf. はてなおやさんの資料 講演概要 本発表では、SBMの推薦アルゴリズムにおける精度、処理性能向上のための手法を最新の研究成果も含めて解説する。また、実例として、はてなブックマークにおける「関連エントリ」を弊社のシステムがどのように実現しているかを解説する。 以下は私のメモです。 PFIはもともとPurely Functional Infrastructureやったんや 岡野原さんではないが、（大田さんかな）Haskell
第3回SBM研究会プレゼン資料
開催概要： ■開催日 2009年9月13日（日） ■講演時間 10:00～18：00 ■場所 東工大大岡山キャンパス ■イベント概要 http://toremoro.tea-nifty.com/tomos_hotline/2009/08/3sbmfix-6bbd.html 講演資料 ☆佐々木 祥,上村 理(東京工業大学） 「エコメンデーション」 ☆福冨 諭（Webプログラマ） 「SBMはミニブログです。」 ☆中山心太(NTT研究所) 「SBMを利用したフィッシングサイト検知とその展望 －集合知セキュリティという考え方－」 ☆山田 剛一(東京電機大学 未来科学部) 「言語表現に基づくブックマークコメントの分類とフィルタリング」(資料へのリンク） 各種プレゼン資料置き場に戻る
ACM SIGMOD日本支部第42回支部大会
プログラム: 09:00 受付開始 09:30-09:40 支部長挨拶 横田治夫 (東京工業大学) 09:40-10:40 「大規模検索エンジンとレコメンドシステムを支える仕組み」 岡野原大輔 (東京大学/（株）Preferred Infrastructure) 本講演では、大量のデータを対象にした検索エンジン、レコメンドシ ステムを実現するための課題についてまとめ、これらに対する近年の 手法について概説する。また、Preferred Infrastructure社が提供す る、これらを実現するためのシステム群Sedue, Reflexa, Hotateにつ いて、その開発コンセプトや、実際のサービス上で遭遇した課題とそ の解決法について述べる。 10:40-10:50 休憩 10:50-11:50 「Webサービスの研究活用ノウハウ」 増井俊之 (慶應義塾大学) 数多くの便利なWebサー
netflix prize is over, 時間経過による嗜好性の変化 - DO++
米国のオンラインDVDレンタルサービス「Netflix」が、現在利用しているレコメンデーションシステムの性能をはじめに10%改善したチームに100万ドルの賞金を与えるという触れ込みで始まったnetflix prizeは当初の予想よりも時間がかかったが、つい最近最初からトップを走り続けていたbellkorと、上位陣のコラボレーションのチームが10%の壁を破った（leaderboard）。 彼らの手法は「非常に多くの様々な種類のレコメンデーションシステムの結果を混ぜ合わせる」という愚直だがいかにも精度が出そうだという方法を採用している（、と昨年度の結果からは思われる。近々詳細は出るだろう。） 実際に使ってとどめになったかどうかは分からないが、彼らのチームの主要メンバーがKDDで新しい手法を発表しており、単一の手法による最高精度を達成している。ちなみに今年のKDD（データマイニング系の学会の最高
LdrLens : livedoor Reader 関連フィード検索
LDRLens: livedoor Reader 関連フィード検索 （このフィードを読んでいる人は、こんなフィードも読んでいます） フィード検索 例: http://www.nikkei.co.jp/ 例: 痛いニュース(ﾉ∀`) 例: デイリーポータル Z 例: しょこたん☆ぶろぐ 例: http://otsune.tumblr.com/ 例: DO++ 例: Radium Software 例: アサヒビール 例: 会社法であそぼ。 例: http://jra.jp/ ブックマークレット: LDRLens で関連フィードを検索 収集データ: 136467 フィード, 2348 ユーザ 収集時期: 2008/07 http://labs.irons.jp/
TechCrunch | Startup and Technology News
Welcome to Startups Weekly — Haje‘s weekly recap of everything you can’t miss from the world of startups. Sign up here to get it in your inbox every Friday. Well,…
セミナー資料公開「Extreme Search! 次世代検索エンジンSedueが実現する驚異のパフォーマンス」
2009年4月8日(水) 13:00〜15:30に開催されましたPreferred Infrastructureによる製品紹介セミナーの発表資料です。
Vector Space, Probabilistic LSI, and LDA
Thoughts on Information Retrieval, Search Engines, Data Mining, Science, Engineering, and Programming source: http://www.cs.princeton.edu/~blei/papers/BleiNgJordan2003.pdf There is a kind of buzz about Probabilistic Latent Semantics Indexing, so this post goes. From VSM to LSI Prior to 1988 the prevalent IR model was Salton’s Vector Space Model (VSM). This model treats documents and queries as vec
web+db レコメンド特集 サンプルコード - DO++
- WEB+DBプレスの「[速習]レコメンドエンジン」のサンプルプログラムを訂正してみる にあったように、WEB+DB PRESS 49号 レコメンド特集での誌上のサンプルプログラムに誤植があり、そのまま書くとコンパイルできないという問題がありました。 サンプルコードの修正をぎりぎりにお願いして、ゴミが残ってしまったのが原因です。 ご迷惑をみなさんにおかけしました。すいません。 WEB+DB PRESS Vol.49サポートページ ここから、動かせるサンプルコード（Part3用のサンプルコードというところ）をダウンロードできるので、買った方も（そうでない方も？）参考にしてみてください。 以後、気を付けます。
CNET Japan
人気の記事 1アップル、Epic Gamesの開発者アカウントを停止--アプリストア提供が不可能に 2024年03月07日 2注目を集めるスマートリング--新たな定番フィットネストラッカーとなるか 2024年03月08日 3パナソニック、マイクロLEDを使った次世代照明--光のデザイン革新へ 2024年03月07日 4「Nothing Phone (2a)」--スタイルよりスペック重視の新型スマホを写真で確認 2024年03月08日 5タクシーかライドシェアか、newmoの答えは「両方やる」--まず大阪で秋にサービス開始 2024年03月07日 6「Google検索」、低品質コンテンツの排除を強化へ 2024年03月07日 7イーロン・マスク氏「日本は消えてなくなる」X投稿再び--過去最低の出生数を受け 2024年03月01日 8楽天モバイルが学割「最強青春プログラム」--家族割と併用可、
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
Efficient data transfer through zero copy
TechCrunch | Startup and Technology News
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
