https://dl.acm.org/citation.cfm?id=1233978&coll=Portal&dl=GUIDE&CFID=21537939&CFTOKEN=43322898&ret=1
ビックローブと博報堂、行動ターゲティング広告で協業--6月に商品化へ
NECビッグローブと博報堂は4月5日、行動ターゲティング広告における実証実験の結果を発表した。従来型のバナー広告に比べ、クリック率が1.6倍となったほか、カタログ請求などクリック後の行動も活性化する傾向にあることが分かったとしている。今後は6月をメドに商品化で協業し、他の広告代理店とも販売提携していきたい考え。 行動ターゲティング広告とは、ウェブサイトでの閲覧、検索等の行動履歴情報をもとにユーザー属性を分類し、その属性ごとに最適な広告を配信する手法。2006年からヤフーなどが始めている。 今回の実験では、2007年1月29日〜2月18日に「BIGLOBE」で行動履歴の取れた200万人の閲覧者を14の属性に分類。それぞれの関心に合致すると判断した広告を、総配信数で約4000万回配信した。 通常のバナー広告と比べ、クリック率は平均1.6倍、最大で4.1倍。クリック後も能動的に情報収集を行ってお
ブックマーク情報を利用した 個人の嗜好に対応する検索システム
研究指導 中澤 真 助教授 ブックマーク情報を利用した 個人の嗜好に対応する検索システム 佐藤 来未 1. はじめに 豊富な情報量を誇るインターネットの浸透は，人々の 情報検索・収集の手段を大きく変えつつある．その影 響もあり，2004 年のWebページ数は 150 億ページとい う膨大な数を記録し，2006 年の時点で 330 億以上の Webページが存在していると推測されている[1]．この ことは，情報を探し求めているユーザにとって手に入 る情報量が増えるという利点があるが，同時に欲しい 情報が見つかりにくくなるという欠点もある．この問題 に対し，Google社はユーザによって異なる検索結果を 出力する新サービス「Googleパーソナライズ 1 検索」を 開始した．これはユーザの閲覧履歴を利用してユーザ プロファイルを生成し，その情報を基にユーザにとっ て有用であるだろうWebペー
パーソナライゼーションによって失われるもの - 人工知能に関する断創録
グーグル・アマゾン化する社会 (光文社新書) 作者: 森健出版社/メーカー: 光文社発売日: 2006/09/15メディア: 新書購入: 5人 クリック: 64回この商品を含むブログ (154件) を見る 今まで読んだWeb 2.0を論じた本の中では一番面白かった。「Web 2.0万歳」ではなく問題点を指摘しているのがよい。集中と分散、スケールフリー・ネットワークとの関係も興味深かった。特にパーソナライゼーションに関する下の指摘は鋭い（孫引きだけど）。 パーソナル化は両刃の剣ではないかということだ。パーソナル化により、顧客が欲しがっているもの（あるいは顧客が欲しがっていると僕らが思っているもの）を与えることはできる。でも一方で、自発性も排除される。うれしい誤算や思わぬ発見といったものはなくなる。これは大きな問題だ。 ジェームズ・マーカム、p.211 環境知能シンポジウム2006（2006/
C:\hiji\ResearchIR\情報フィルタリング\IFtutorial.pdf.prn.pdf
情報フィルタリングの基礎理論と ユーザプロファイリング技術 大阪大学大学院基礎工学研究科 土方 嘉徳 チュートリアル資料 (C) 2005 Yoshinori Hijikata パーソナライゼーション ユーザにとって適切な情報を適切な形式で提供 [CACM 2000] お勧め商品の提供 バナー広告変更 背景/レイアウト変更 コンテンツ選択 (C) 2005 Yoshinori Hijikata 情報推薦・フィルタリング ユーザの興味に基づいて情報を配信 [CACM92, CACM97] 主な特徴 ・非構造化データ・半構造化データを扱う ・動的に発生するデータを扱う* ・フィルタリングはユーザプロファイルに基づく* ・ユーザプロファイルはインタラクティブに生成する
状況と嗜好に基づくプレイリスト推薦システム
梶 克彦 名古屋大学大学院 情報科学研究科 平田 圭二 NTTコミュニケーション科学基礎研究所 長尾 確 名古屋大学 エコトピア科学研究機構 PDF版 [kaji_axmedis2005.pdf] 目次 概要 はじめに プレイリスト推薦システム 歌詞とアノテーションによる楽曲間類似度推定 プレイリスト生成の流れ 鑑賞履歴の取得とユーザプロファイルへの反映 予備実験 終わりに 概要 本論文ではわれわれはプレイリスト生成の手法を提案する。 歌詞に加え、ユーザの楽曲解釈の情報である楽曲情景と鑑賞状況に関する アノテーションを利用することにより、 ユーザの類似性を発見し、 ユーザの嗜好と状況に合わせたプレイリストを自動生成する。 プレイリスト生成は3段階のフェーズを経て行われる。 はじめに協調フィルタリングにより基プレイリストを発見し、 次にその基プレイリ
HMV、10月から音楽配信サービスに参入 | スラド
unipst曰く、"INTERNET Watchの記事によれば、HMVジャパンは音楽配信サービス「HMV DIGITAL」を10月末に開始すると発表した。 サービス開始時点で100万曲、2007年初めまでには150万曲に拡充する予定。 ファイル形式はWMAとATRACの2種類。料金は1曲150円からとなる見込みで、タワーレコードとNapsterが計画している(いた?)ような定額サービスは予定していないようだ。 楽曲提供に付いては、当初レーベルゲートの「Mora」やNTTコミュニケーションズの「OCN MUSIC STORE」といった既存の音楽配信サービスを利用する。HMV独自の楽曲配信や映像の配信も予定しているようだが、交渉先レーベル等の詳細は公開されていないようだ。レコード店ならではの品揃えに期待したい。"
ついに明かされるGoogle Newsの秘密 - CNET Japan
米Google社で主任科学者を務めるのが、Krishna Bharat氏だ。Google誕生前のインターネット検索黎明期に「AltaVista」というサービスの開発チームで、PageRankに似たウェブページの格付けに関する研究をしていたこともある人物だ。そのBharat氏が、最近もっとも関心があるのがインターネットとジャーナリズムの融合。ここ数年で最大の功績は人気サービスとなっている「Google News」の開発である。「ウェブの進化にあわせて、人々とニュース情報の接し方も変わり始めた」と語る同氏に、その真相やGoogle Newsの舞台裏を聞いた。 Principal Scientist Google Inc. Krishna Bharat （クリシュナ・バラト） Google主任科学者で、ウェブ検索とコンテンツ分析のユーザーインターフェースとアルゴリズムの開発などを手がけている。1
パーソナライズ検索、グーグルが探し当てていない正解とは
Googleが検索のパーソナライゼーションを目指している。 Googleは先頃、パーソナライゼーションを強化した検索機能を提供する一連の新サービスを発表した。しかし、ユーザーのことをより深く把握し理解しようとする同社の試みは残念ながら本筋を外れている。 現状では、Googleは検索クエリを処理し、検索結果の適合度をユーザー個人の検索履歴のみに基づいて絞り込んでいる。しかし、このアプローチには欠陥がある。その欠陥について考えてみることは、パーソナライゼーションを深く理解するよい機会になる。また、「検索エンジンがこちらの興味や意向をわかっている」とユーザーに実感させるにはどのような手順を踏めばよいのかも明確になる。検索フィールドに単語を入力するとき、自分が探そうとしているものをお気に入りの検索エンジンが直感的に理解してくれることをだれもが願うものだ。それはまだ夢物語ではあるが、いくつかのプロセ
Almaden
The team's work builds on a rich history of breakthroughs at Almaden’s unique campus in San Jose, California that include innovations in data storage technology, novel material discovery for sustainability, the distributed relational database, the ability to position individual atoms, and the first data mining algorithms.
人工知能の話題: 協調フィルタリング
レンタルビデオ店には非常にたくさんの映画があります．あまりに多すぎてどれが面白いかよくわかりません．そんなとき，面白そうな映画を選んでくれるシステムを推薦システム（recommender system）といいます． この推薦システムには二種類の主な実現方法があります．一つは，好きな監督・俳優・ジャンルなどを決めると，それにあった映画を見つけるという内容に基づくフィルタリング（content-based filtering）という方法です．そして，もう一つがここで紹介する協調フィルタリング（collaborative filtering）です．この映画は面白かったとか，この映画はつまらなかったとかの批評のデータをいろいろな人から集めておき，そのデータを参考にして，面白そうな映画を推薦する方法です． ここでは，協調フィルタリングの一つであるJ.RiedlらのGroupLensの方法(注1)を紹
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
Google Mass Media Patent Applications
Ontology-Based User Modeling for Knowledge Management Systems
My はてなブックマークランキング
http://www.wiss.org/proceedings/2005/WISS2005-fin/papers/Gards_-_Information_recommendation/gards-final2.pdf
http://www.dbsj.org/Japanese/DBSJLetters/vol5/no1/oku.pdf
https://dl.acm.org/citation.cfm?id=287355&coll=portal&dl=GUIDE&CFID=1558117&CFTOKEN=32308944
http://ses3.complex.eng.hokudai.ac.jp/japanese/publish/2005_bachelor/ppt_yamashita.pdf
https://dl.acm.org/search/advanced