Improving Recommendation for Long-tail Queries via Templates(WWW 2011) - 糞糞糞ネット弁慶
Improving recommendation for long-tail queries via templates 概要 グラフベースのクエリ推薦において，クエリごとにクエリ-ページの遷移を考えるのではなく，クエリ-テンプレート，テンプレート-テンプレートでの遷移を考える． これにより，従来のクエリ推薦では対応できなかったロングテール（つまりは検索数が少ないクエリ）に対応する． 例えば，"Montezuma surf"というクエリについて，" surf → beach"というルールがあれば"Montezuma beach"なるクエリを推薦することが出来る． Query-Flow Graph Boldiがこれまで何度か書いてきた手法．いくつか読んではいるがブログで書いた事は無かったのでいつかまとめて書く． QUERY TEMPLATES AND THE QUERY TEMPLATE F
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～ 岡野原大輔 PFI 特別研究...
Not rated yet. You must be logged in to rate this video.
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 - 遥かへのスピードランナー
プリファードインフラストラクチャーのid:tkngさんと岡野原さんがWEB+DBプレスvol.49に「[速習]レコメンドエンジン」という記事を書かれています。 WEB+DB PRESS Vol.49posted with amazlet at 09.03.08 技術評論社 売り上げランキング: 359 Amazon.co.jp で詳細を見る レコメンドエンジンには前々から興味を持っていたので、早速サンプルコードを自分でも書いてみるか、と思い誌面のソースをXCodeに打ち込んで動かしていたのですが、コンパイルが通らない。 なにぶんC++なんてほとんど書いたことがないので、自分のやり方が悪いのかと疑ったのですが、代入する変数が間違っていたりミススペルがあったりなど、おそらくこれは誌面のソースが間違っているのだろうという結論に至りました。 例えば・・・ p130 リスト２より #include
![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 - 遥かへのスピードランナー](https://cdn-ak-scissors.b.st-hatena.com/image/square/c784ff3f370e4a85522aef377f854c7438f9ea28/height=288;version=1;width=512/http%3A%2F%2Fecx.images-amazon.com%2Fimages%2FI%2F51sknYvsDXL.jpg)
レコメンド, LSH, Spectral Hashing - DO++
WEB+DB press vol.49にレコメンド特集の記事をtkngさんと書きました。 内容は最初は、協調フィルタリングやコンテンツマッチの簡単な話から、特徴量をどのように表すか、大規模データをどのように処理するかにいき、特異値分解などの低ランク行列分解によるレコメンドやRestricted Boltzmann Machineといった最近のnetflix prizeの上位の手法など、かなり突っ込んだ議論もしてます。 個人的には三章でLocality Sensitive Hash(LSH)について扱っているあたりがお勧めです。 レコメンドの内部の問題を極言すると、データというのは疎な高次元の数値ベクトル（数百万次元とか）で表され、クエリでベクトルが与えられた時、これと似たようなベクトルを探してこいという問題になります。”似たような”を数学的にいえば、クエリのベクトルとの内積（各ベクトルは長
ーＯＯＯ-レコメンドの「リアル」と「ウェブ」 - あんだんご ーＯＯＯ-
今夜はAMNさんのイベントで渋谷のタワーレコードさんにお邪魔して、「gooラボ ネットの未来プロジェクト」ブロガーミーティング テーマ：レコメンデーションに参加してきました。 さて、レコメンデーションって何でしょう？ すごくシンプルに言えば 「オススメ」 ってことなのですが。 イベントを通して感じたのは、gooラボさんの考える 「ウェブでのレコメンド」 と、タワーレコードさんの考える 「リアルのレコメンド」 は大きく違うと言うことでした。 ウェブ業界で言われるレコメンドというのは 「機能」 の話になります。 購買履歴をつかったレコメンド amazonの 「おすすめ商品」 ある一定期間の情報をもとにしたレコメンド googleのウェブ履歴 今見てるコンテンツに関するレコメンド amazonの 「この商品を買ったヒトはこの商品も…」 YouTUBEの 「この動画を見た人は…」 簡単に言って、ユ
はてなブログ | 無料ブログを作成しよう
織田信長 ぼちぼち、元気にやっています。少し薬にも慣れた...んかなぁ。相変わらず食べられないけど。朝、指がこわばって文字なんて入力できなかったけど、それはほぼなくなった。関節もどこも痛くない。薬効いてきたんやろな。 で、ブログを書こうと言う気がまた起きてきた。 …
GoogleNewsのレコメンドの中身 - UMEko Branding
先日、全体ゼミで発表したときの内容ですが、ここにまとめときます。。GoogleNewsのレコメンドの中身を追った論文の要約です。少し前の全体ゼミで用いた資料です。ソース：Abhinandan Das,Mayur Datar,Ashutosh Garg,Shyam Rajaram,"Google News Personalization: Scalable OnlineCollaborative Filtering",WWW2007不勉強な個所が多々ありますので、誤っている箇所等ありましたら、是非ご指摘ください。 個人的には、最近のモデルベースの手法の勉強・おさらいという意味で用いているので、GoogleNews独自の拡張なり実装の部分の内容が省かれている場合があります。また、データ構造やMapReduceを用いた計算の仕組みの部分は、ここでは省略しています。。一応、 全体像 ・LSH(Lo
Home
Each year, the Pulitzer Prize award is given to those in newspaper, magazine, online journalism, literature, and musical composition for their achievements. This year, for 2024, amongst the 45 journalists who have been selected as finalists, five people’s entries are AI-powered. While the extent of the use of artificial intelligence in their submissions isn’t yet…
k52.NIKKI :: 「好みの近いはてなブックマーカーを探そう」をリニューアル。
はてブのリニューアルを記念して「好みの近いはてなブックマーカーを探そう」もリニューアルいたしました！ URLも変更になっています。 好みの近いはてなブックマーカーを探そう！ http://chikab.k52.org/ 自分のid「nihonyamori」でやった結果がこちら↓ 主なリニューアルポイントは下記の通りです。 ■RSSの配信 結果をRSSで受信できるようにしました。RSSリーダーに登録しておくとだいたい2日に一度配信されます。 ■単純な重複率ではなく、「2人きり度」を加味してランキング ブックマークの傾向が近いと言っても、1000userをあつめた記事と10userしかブクマされてない記事とではブックマークが重複したことの重大さが異なりますので、少ないブクマ数の記事で重複した場合により強く評価する「2人きり度」という指数を導入しました。 ■重複したブックマークと、それに対するコ
ゲームやブログから好みを判断、おすすめクーポン配信
リクルート子会社のブログウォッチャーは3月11日、SNSの書き込みや、専用ゲームのプレイ履歴などからユーザーの好みを判断し、おすすめ情報やクーポン、広告などを配信する「プロファイルパスポート」の実験サービスを、ユーザー数限定で始めた。 経済産業省の「情報大航海プロジェクト」の一環。さまざまな企業がユーザーの行動を把握し、リコメンド情報を配信するための共通基盤に育てる計画だ。 独自のSNS「Shooti Town」とゲーム「Game0.1a wyrd（ウィルド）」を通じてユーザーの好みを把握し、リクルートのクーポン誌「ホットペッパー」のクーポンのQRコードなどを、ゲーム画面上に配信する。 Shooti Townは、FlashとXMLで構築したアドベンチャーゲーム。WiiやPDAからの操作にも対応した。東京を模した仮想マップ上を歩き、出会った人に話しかけたりしながらクエストをクリアしていく。
wintermelon.org -
This webpage was generated by the domain owner using Sedo Domain Parking. Disclaimer: Sedo maintains no relationship with third party advertisers. Reference to any specific service or trade mark is not controlled by Sedo nor does it constitute or imply its association, endorsement or recommendation.
レコメンデーションエンジンがロングテールの敵になる？
ペンシルバニア大学ウォートン校の研究者2人が、オンラインレコメンデーションサービスはユーザーが出会う商品の多様性を損なうかどうかをテーマにした論文を2007年9月下旬に発表した。この研究のタイトルは「Blockbuster Culture's Next Rise or Fall：The Impact of Recommender Systems on Sales Diversity」（市場を席巻した方式の趨勢はいかに：販売商品の多様性に対するレコメンデーションシステムの影響）というもので、わたしはPaidContentでこの論文のよい要約を見つけた。 世のあらゆる指標がレコメンデーションエンジンの重要性が増していくことを示しており、この議論は検討しておくべきだ。eBayのStumbleUponの買収からCBSによるLast.fmの買収、そして10月のMSNBCによるNewsvineの買収ま
ユーザー体験を向上させる検索技術とは--ファストから新製品
印刷する メールで送る テキスト HTML 電子書籍 PDF ダウンロード テキスト 電子書籍 PDF クリップした記事をMyページから読むことができます ファスト サーチ＆トランスファは10月16日、Eコマース向けのサーチソリューション「FAST ImPulse」にレコメンデーション機能を統合した新製品「FAST Recommendation」を日本市場向けに発表した。米国では9月17日に同製品を発表しており、今回の発表会では導入事例も紹介された。 FAST Recommendationは、ユーザーの嗜好や関心を学習し、蓄積する。年齢や性別などの個人属性はもちろん、ユーザーの検索した商品やどの商品を閲覧、購入したかといった行動履歴などから個人プロファイルを作成し、オンラインショップでユーザーに最適だと思われる製品を推奨する。 FAST Search & Transfer ビジネスデベロッ
Programming Collective Intelligence - ma2’s diary
Programming Collective Intelligence: Building Smart Web 2.0 Applications 作者: Toby Segaran出版社/メーカー: O'Reilly Media発売日: 2007/08/26メディア: ペーパーバック購入: 3人 クリック: 117回この商品を含むブログ (31件) を見るいわゆる「集団知」を求めるためのプログラミングについて書かれた本のようだ。「お勧め」の作成とか，ランキングとか，面白そうなんだけど，英語で読破するのはつらいか。邦訳が出るのを待つかどうか迷うな。TOCは以下の通り。 1. Introduction to Collective Intelligence What Is Collective Intelligence? What Is Machine Learning? Limits of Ma
ソーシャルメディア セカンドステージ：【第2回】レコメンデーションの虚実（2）?レコメンデーションの分類 (1/2) - ITmedia アンカーデスク
レコメンデーションの代表的手法 レコメンデーションには、いくつかのアプローチがある。とりあえずそのアプローチを俯瞰してみると、おおむね以下の5つに分類することができる。 （1）ルールに基づくレコメンデーション （2）コンテンツベースのフィルタリング （3）協調フィルタリング （4）統計学的なアプローチ （5）行動ターゲティング （6）ソーシャルネットワーキング ひとつずつ説明していこう。 （1）のルールに基づくレコメンデーションというのは、「ビジネスルール方式」とか「インテンショナル（意図的な）レコメンド」などと言った呼び方もある。例えば「美容室に髪を切りに来た人に、ヘアケア製品を勧める」「プリンターを買った人に、インクトナーを勧める」など、最初に「ある製品を買った人、ある行動をした人には、この製品やサービスを勧める」というルールを定めておく方法だ。このレコメンデーションはわかりやすいけれ
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
TechCrunch Japanese アーカイブ » ソックリな曲が本当に探せる自動楽曲推奨エンジン「Mufin」
Flickr Tag Recommendation based on Collective Knowledge (application/pdf オブジェクト)
発見性を考慮した協調フィルタリングアルゴリズムに関する複数方式の検討
http://www.kde.ics.tut.ac.jp/~sugiyama/sbm/hatebusets.html
https://www.ieice.org/~de/DEWS/DEWS2007/pdf/a8-4.pdf