レコメンデーションの動向
元 文教大学 経営学部 幡鎌研究室のページです。間もなく閉じます。 幡鎌 博は、2020年3月末で文教大学を退職いたしました。これまでのこのコンテンツは、幡鎌が新たに興しました会社 デジタル・ビジネスモデル研究所のページに移行いたしました。これからは、そちらをご覧ください。 今後ともよろしくお願いいたします。
“ネットの声”生かす推薦エンジン，NTTレゾナントがVOD検索で実証実験
NTTとNTTレゾナントは2009年2月17日，ネット上の感想や評判を指標に使うレコメンド（推薦）エンジン「ぐにゅナビ（goo new navigation）」の実証実験を開始した。同実験は，ネット上の評価や感想，コンテンツのメタデータ，およびユーザーの好みの3指標を統合したレコメンド・エンジンの実現を目指すもの。 両社は第1弾として，NTTレゾナント運営のビデオ・オンデマンド（VOD）サービス「シネマ・コンプレックス」内の約500作品を対象に「きれい」「かしこい」といった感性表現で作品を絞り込める検索サービスを提供する（写真1）。 核となるのは，感性表現に関する辞書を自動生成する「感性解析技術」と，その辞書とユーザーの操作履歴などを基に推薦コンテンツを提示する「コンテンツナビゲーション技術」。前者はNTTのNTTサイバーソリューション研究所，後者はNTTレゾナントが開発した。 ブログなど
推薦システムをパーソナルビューで見直す - 0x0a :: ja :: svslab(2009-02-15)
_ 推薦システムをパーソナルビューで見直す ここでも何度か書いているが，院生の頃から推薦システムの研究に引っかかりを感じていた．引っかかりの原因は「新たに開発した推薦システムを利用することでユーザの情報探索の負荷を下げる」という「推薦システムの有無」ないし「推薦アルゴリズムの違い」という問題に落とし込もうとしているという点にある．Norman流にいうならこれは「システムビュー（system view）」*1，つまり「設計者の視点から新たな人工物の有無によるユーザの負荷の違いをみる」という見方である．ここで，Normanがシステムビューと対照的な概念として示している「パーソナルビュー（personal view）」，つまり「ユーザからみて推薦システムの挙動はどう見えるのか」「推薦システムによってユーザの情報探索という行為はどう変化するのか」という視点から，「推薦システムのアルゴリズム（1，2
現状では"クロス・レコメンド"は実現できないのでは？ : blog::tani.masaru
元記事：レコメンデーションBLOG: Livedoorデパートでショップにまたがるクロスレコメンドより 今回の導入の特徴は、同じショップの商品だけでなく、他のショップの商品も商品詳細ページ、カートページ、注文完了ページにてお すすめ表示されるという、ショップをまたがった“クロス・レコメンド・サービス”の実現です。 実際にどのような相関にて商品がレコメンドされるか私たちも大変楽しみにしています。「もっと楽しいショッピング体験」と「ストレスフリーなナビゲーション」を『livedoor デパート』で買い物されるお客様にご提供できればと考えています。 ASP型のレコメンドシステムが「livedoorデパート」に実装されたことは以前にも取り上げたが、現状を考えると「クロス・レコメンド」が実現されることはないと思う。システムの仕組み上は確かに「クロス・レコメンド」が出来る、出来ない理由はない。ユーザー
小規模サイトにレコメンドは適さないのか
レコメンデーションBLOG シルバーエッグ・テクノロジー社による、レコメンド技術や関連トピックスの最新情報、その他経営や時事など雑多なお話をお届けするブログです。(http://www.silveregg.co.jp) 「小さな規模のサイトにレコメンドは適さない」といわれることがあります。 なぜかというと、レコメンド・エンジンがきちっとしたおすすめを出すには、それなりの量のデータを必要とするからという理由からです。 これは実は、レコメンド・エンジンの多くに使用されている協調フィルタリングという技術のもつ問題に関係しています。 協調フィルタリング技術は、数十ではきかないほどの、多くのバリエーションが存在しており、「協調フィルタリング」を使っています, といってもその内容は千差万別ですが、とはいえ簡単に説明すると、同じ嗜好の持ち主をグルーピング化していき、それをもとに、おすすめを算出するという
レコメンデーションの動向 - ＤＸ・ｅビジネス・ＩＴ戦略の波間に
2003～2004年頃には、一時、ネットでレコメンデーションやパーソナライゼーションを行うことの有効性について疑問視する声が高まりました。ウェブパーソナライゼーションを酷評するレポート発表という2003年のニュースがありましたし、ブログではリコメンデーション(レコメンデーション)の現実と幻やネットにおけるレコメンドは有効かといった意見が以前ありました。 それが、ロングテール理論の中で、レコメンデーションは、多くにニッチ商品の中から自分にあった商品を見つけるための「フィルタ」の代表的な機能として位置づけられたため、昨年あたりから重要性が見直された感じです。 レコメンデーションの仕組みとしては、それまでの各個人の購買履歴などをもとに人工知能技術を使ってお薦めする機能や、協調フィルタリングの仕組みを使った協調レコメンデーションなどがあります。後者の一番単純なものは、Amazonのサービスで「この
情報推薦アルゴリズムの効果をどう評価するのか - 図書館情報学を学ぶ
以前このブログでも紹介した『集合知プログラミング』を読みつつ、細々とデータマイニングの勉強を続けているこの頃です。それに関連して情報推薦についての研究動向についても調べていたりしているのですが、そうしていくうちに疑問に感じることがありました。 それは、情報推薦アルゴリズムの有効性を正しく評価できるのか？ということです。アルゴリズムというと、素数の判定やソートなどが思い浮かびますが、その場合の有効性はいかに少ない時間で計算結果を出せるかという、定量的な尺度で評価することが可能です。しかし情報推薦の場合は効率性ではなくユーザーの明示化できない欲求に応えることという数値化しにくい目的であるので、果たしてそこで導入されるアルゴリズムの有効性はそもそも評価できるのだろうか？と思うのです。 情報検索のアルゴリズムの場合は、適合率と再現率の2つの尺度によって評価することができます。適合率とは「検索結果中
060108 Locality-Sensitive Hashingの実装が一段落 - 飛行船通信
飛行船通信 飛行船通信MLの主催者(few01)が気になった事を記録するWIKI トップページページ一覧メンバー編集 060108 Locality-Sensitive Hashingの実装が一段落 最終更新： few01 2006年01月11日(水) 00:43:46履歴 Tweet 昨年末からプログラミングを始めたLSH: Locality-Sensitive Hashingの開発がやっと一段落した。今日の昼に何とか動くようになった。まだ細かなバグ修正や、処理速度の向上は必要だろうが、大きな山はこえた。 LSHというのはハッシュテーブルの一種である。 ハッシュテーブルというのは、ハッシュ関数を使った索引のことだ。 2006/1/10 ミスを修正 ハッシュ関数とは ハッシュ関数h()というのは、入力の値 x に対して、h(x) の値が、 近い x の場合にぶつかりにくく 一定の範囲に収ま
くさもち研究室生活ブログだったもの LSHまとめ(1)
LSHは近似最近傍探索(Approximate Nearest Neighbor)アルゴリズムの一つ． 近似最近傍探索とは，簡単に言うとクエリqから半径(1+ε)内にある点vを探索すること． つまり，半径(1+ε)の点のうち，どれか1つでも探索できればおｋ． 言葉の意味そのままに最近傍探索(Nearest Neighbor)の条件を少し緩くした探索といえる． （実は，特徴ベクトルの次元がd=2の場合なら，ボロノイ図を使えば近似最近傍探索ができる） LSHはハッシュ関数を用いた確率的探索で近似最近傍探索を解く． そう，実はハッシュ関数を用いるということ以上に確率的探索ということに大きな意味がある．（これが自分にとってはかなりやっかいな問題） LSHでは，クエリqと近傍(半径(1+ε)以内)にある点ではハッシュ値が一致する確率が高く， クエリqと遠い位置にある点ではハッシュ値が一致する確率が低
【第29回ホットリサーチ】 「レコメンドエンジン導入による効果検証（モバイル版）」 | ホットリサーチ | ホットリンク
【第29回ホットリサーチ】 「レコメンドエンジン導入による効果検証（モバイル版）」 平成20年6月23日 株式会社ホットリンクモバイルサイトへのレコメンドエンジン導入により コンバージョン率が約1.2倍にエージェントシステム開発の株式会社ホットリンク（本社：東京都千代田区、代表取締役社長：内山幸樹、以下ホットリンク）が開発・サービス提供するレコメンドエンジン「レコナイズforモバイル」（以下「レコナイズモバイル」）の導入効果検証を、株式会社モバイルファクトリー（東京都品川区、代表取締役：宮嶌 裕二、以下モバイルファクトリー）が運営するモバイルサイト「デコりん」上において実施いたしました。その検証データを本リサーチにてレポートいたします。調査背景近年のIT分野ではレコメンドエンジンのASPサービス市場が成長しつつあります。 各社がアルゴリズムの精度や機能の機能向上を競っていますが、レコメンド
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
消費者生態学（コンシューマー・エコロジー）
WWW2007
ホットリサーチ第4回調査結果：インターネットを利用する上で、個人情報の漏洩に関して「やや不安」である60.2％−個人情報保護法施行後の情報取得のあり方について− | ホットリサーチ
Yano Research Institute Ltd