reddit’s new comment sorting system – Upvoted
Hey! This is Randall from xkcd guest-blogging to explain reddit’s new comment sorting system, which I pushed for pretty hard. Usually I illustrate blog posts with little drawings. Unfortunately, this one didn’t lend itself to illustration, so I’m sorry if the drawings don’t really relate to the material. reddit has a new comment sorting algorithm, the “Best” ranking (joining “Top”, “Hot”, “New”, “
Web広告配信における多腕バンディット問題、Mortal Multi-Armed Bandits Problemとアルゴリズム - CARTA TECH BLOG
こんにちは@hagino3000です。Zucks Ad Networkという広告配信サービスの開発をしています。最近はアドネットワークの広告配信最適化に利用できるアルゴリズムの調査もしています。 本稿では調査で読んだ論文の一つ、オンライン広告配信を想定した多腕バンディット問題である、Mortal Multi-Armed Banditsを紹介します。多腕バンディット問題になじみがある読者を想定しています。 papers.nips.cc オンライン広告と多腕バンディット問題 ここでは簡単のために、クリック課金型のディスプレイ広告を前提に説明します。オンライン広告配信システムにおける問題として「最初はどの広告がどれだけクリックされるかわからないが、なるべくクリックされる広告を多く配信したい。」という物があります。これは多腕バンディット問題として知られており、探索はCTRが推定できるまで配信する事
人工知能を実現する学習アルゴリズムに必要な能力 - 人工知能に関する断創録
今年は、Deep Learningを研究する予定（2014/1/4）だったのだけれど、多層パーセプトロンまで到達した（2014/2/5）ところで少々（？）足踏みしている。Deep Learningの構成要素であるボルツマンマシンを理解するのに手間取っているためだ。ボルツマンマシンの理解には、マルコフ確率場やMCMCの理解が必要なことがわかったので少し廻り道してモンテカルロ法を先に勉強（2014/6/20）していたというわけ。 ただ、そればかりでは少々退屈になってきたので少し先回りして Deep Learning の先駆者のBengioさんが書いた論文 Learning Deep Architectures for AI を勉強している。示唆に富む見解が多いのであとで振り返られるように記録しておきたい。 まずは、1.1節のDesiderate for Learning AIの部分。人工知能を
How to shuffle songs? - Spotify Engineering
At Spotify we take user feedback seriously. We noticed some users complaining about our shuffling algorithm playing a few songs from the same artist right after each other. The users were asking “Why isn’t your shuffling random?”. We responded “Hey! Our shuffling is random!” So who was right? As it turns out, both we and the users were right but it’s a bit more complicated than that. It also tells
Netflixはどのように映画をジャンル分けしているか - 不可視点
映像コンテンツのストリーミングといえばNetflix、現在4400万人のユーザー（有料会員）がいる成熟したサービスですが、現在もすごいペースで成長しています。 Netflix、第4四半期決算で大幅増益--加入者数は400万人増 - CNET Japan 利用できる地域は限られますが、日本でもレコメンデーションのコンテストNetflix prizeの開催や、AWSをいち早く活用した企業として知られています。 Netflixは先に紹介したNetfix Prizeでレコメンデーションの性能向上に懸賞金をかけたほど、レコメンデーションがサービスの重要な位置を占めています。 視聴された映画の2/3はレコメンデーション経由らしいです。 Todd Yellin(Vice President of Product Innovation at Netflix)は、「映画をピッタリの人にピッタリのタイミングで
Contextual Bandit in VW - blog.sparsegraph.com
Saturday, December 7, 2013 Contextual Bandit in VW Machine Learning Advent Calender 6 日目（Friday, 6 December 2013, 23:20:09 PST）の記事です． Vowpal Wabbit (VW) に組み込まれている "Offline" Contextual bandit module の紹介をします． （簡潔に説明できる気がしないし理解度もそこまで深くないので，難しいことには踏み込まない） k-Armed Bandits は，以下のような問題設定の中で，何度も試行を繰り返すことで Policy を決めて最適な選択を探します： Policy により $k$ 個の arm から 1 つの arm を選択する（i.e. k 個のクリエイティブ・広告画像から 1 個を選択する） 選択した
A Latent Source Model for Nonparametric Time Series Classification
A Latent Source Model for Nonparametric Time Series Classification George H. Chen MIT georgehc@mit.edu Stanislav Nikolov Twitter snikolov@twitter.com Devavrat Shah MIT devavrat@mit.edu Abstract For classifying time series, a nearest-neighbor approach is widely used in practice with performance often competitive with or better than more elaborate methods such as neural networks, decision trees, and
PageRankアルゴリズムを使った人事評価実験 | 株式会社サイバーエージェント
2-2-1.一般的な360度評価による評価方法 問題点 一般的に評価プロセスが公開されていないため、最終評価までのプロセスが不透明である 全員が全員を評価するのは多数の社員がいる場合は不可能である ランダム抽出によるお互いの評価を行うと、まったく違う専門分野を評価したり、まったく関わりあいのない人を評価することになり精度が下がる 2-2-2.専門分野での評価者による評価方法 問題点 *評価者になる人材の不足 高い専門スキル、会社とのビジョンマッチ、メンバーからのその専門分野での高い信頼の全てを備えている人材が専門分野毎に必要。 さらに、評価の納得性を保つためにはメンバーからの信頼がある人材ではないと評価できない。 *評価者によって評価ポイントの違いがある 同じ分野の技術者でも、スキルの価値をどこに置いているかというスタンスの違いから評価ポイントにゆらぎが発生する。 さらに評価者自体
自然言語処理まわりのDeep Learningを自分なりにまとめてみた — KiyuHub
自然言語処理まわりのDeep Learningを自分なりにまとめてみた “自然言語処理のためのDeep Learning”というスライドを公開しました． 自然言語処理のためのDeep Learning from Yuta Kikuchi カジュアルな感じで自然言語処理まわりのDeep Learningの話題をまとめた感じになっています． きっかけは，勉強会をしていることを知ったOBのbeatinaniwaさんにお願いされたことで， 株式会社Gunosyの勉強会の場で，発表の機会を頂きました． それが，9/11で，その後9/26に研究室内で同じ内容で発表しました． どちらも思った以上に好評を頂け，公開してはと進めて頂いたので，公開することにしました． もちろん間違いが含まれている可能性も多分にあるので．気づいた方はご指摘頂けると幸いです． 内容ざっくり 前半は，ニューラルネットワークを図を使
はてなブックマーク記事のレコメンドシステムを作成 PythonによるはてなAPIの活用とRによるモデルベースレコメンド - データ分析がしたい
私は情報収集にはてなブックマークを多用しており、暇な時は結構な割合ではてなブックマークで記事を探してます。しかし、はてなブックマークは最新の記事を探すのは便利ですが、過去の記事を探すにはいまいち使えません。個人的には多少過去の記事でも自分が興味を持っている分野に関しては、レコメンドして欲しいと感じてます。 ありがたいことにはてなはAPIを公開しており、はてなブックマークの情報を比較的簡単に取得できます。そこでこのAPIを利用して自分に合った記事を見つけるようなレコメンド機能をRとPythonで作成してみたいと思います。 利用するデータは、はてなAPIを使って収集します。具体的には、はてなブックマークフィードを利用して自分のブックマークしているURLを取得し、そのURLをブックマークしているユーザをエントリー情報取得APIを用いて抽出し、そのユーザのブックマークしているURLを収集します。こ
情報の分類・推薦アルゴリズムとクロール問題 - Cube Lilac
ゴールデンウィークが終わって*1 ネット世界に戻ってきたところ、Gunosy 騒動 とやらで賑わっていました。クロール問題（どうやって効率的に対象となる URL をクロールするか）は私自身も苦労している部分なので、何か書いてみます。 情報の推薦（レコメンデーション）や分類（カテゴライズ、ランキング、等々）を行う Web サービスを作成・運営する場合、大雑把に分けると以下の 2 つのフェーズが存在します。 Web 上から対象となる情報（主に URL）を収集する 収集した情報を何らかのアルゴリズムに従って分類・推薦する 今回のお話の結論を先に書いてしまうと、「アルゴリズムやコンセプトの検討段階では 2. のフェーズ（情報の分類・推薦）を非常に重要視するが、実際に Web サービスが出来あがって運用する段階になると、むしろ 1. のフェーズ（情報の収集）に苦心する事が多い」と言うものです。 So
A/Bテストよりすごい？バンディットアルゴリズムとは一体何者か - Qiita
オバマ大統領の再選に大きく寄与したことで大きな注目を集めているA/Bテスト。A/Bテストを導入した、することを検討している、という開発現場も多いのではないだろうか。 そんな中、Web上で次のような議論を見つけた。 20 lines of code that will beat A/B testing every time Why multi-armed bandit algorithm is not “better” than A/B testing 一言でまとめると「A/Bテストよりバンディットアルゴリズムの方がすごいよ」「いやいやA/Bテストの方がすごいし」ということだ。 で、バンディットアルゴリズムとは一体何者なのか？ そこでBandit Algorithms for Website Optimization (O'REILLY)を読んでみた。その結果分かったことを踏まえてざっくりと
計量学習を用いた画像検索エンジンとアニメ顔類似検索v3について - デー
まだgithubにはpushしていないのですが、さいきょうの組み込み型画像検索エンジンotamaに計量学習を用いて与えられたデータにあった画像間の距離関数を学習してそれを使って検索するというドライバを入れたので、先行的なデモとしてアニメ顔類似検索v3を作ってみました。 計量学習は、ベクトル間の距離の計り方を機械学習で決めるみたいな分野です。 アニメ顔類似検索v3 AnimeFace Search v3 - Otama LMCA_VLAD_HSV Driver randomボタンを押すと顔画像がランダムに出るのでどれかクリックするとそれをクエリに検索します。color weightは色の重みを調節するパラメーターで、1にすると色だけで検索します。0にすると形状やテクスチャだけで検索します。結果画像の上の数字は類似度的なもので、その横のgglは元画像をGoogle Search by Imag
どういう人がソーシャルゲームをやっているか - 武蔵野日記
朝起きたらすごく天気がよかったので、洗濯してから桃山御陵まで散歩。実はこちらに歩いてくるのは初めてで、気持ちよかった。 参道は明治神宮のように砂利が敷き詰められていて、鬱蒼と茂る森を抜けて御陵まで出ると、宇治川を越えて向島一帯が見渡せる見事な景色なのである。 しかし御陵さんの前はものすごく急勾配の階段で、地元のおばさん？の話では桃山高校の人は部活でここを走ったりするそうで、それは鍛えられそう、と思ったり。 お昼はいつもと違う場所を開拓しようと、桃山御陵前の但馬亭という焼肉屋へ。ランチがお得である、という事前情報があり、確かにお得感はあるのだが、すでにボリュームで満足する年齢でもないので、ちょっと食べ切るのがしんどかった。野菜が多めなので、食べた量からすると全然お腹に溜まるような感じではないのだが、一時的に苦しい……。 ちょっと喫茶店でくつろいでいると、隣に座っていた20代後半くらいの女性2
ASSIOMA(アショーマ) » 変化するブロガーの発信力とそれに追いついていない検索アルゴリズムと広告モデル
ここ最近ブロガーを取り巻く環境は変わってきているように思う。TwitterやFacebookを導線とするようになったとはまた「違う」変化を感じる。blogosに代表される「ブログアグリゲイトメディア」や、ヤフーニュース個人のような選抜オーサタイプ、Naverまとめのようなキュレーションサイトの登場によって、自分の発言をより広い範囲へ届けてくれるメディアが登場している。これらの「自身のブログ(オウンドメディア)」以外からの記事閲覧が無視出来ない規模になってきていると感じる。 私の例だが、このブログに記事を書くと以下の三つに同じ記事が掲載される。 ・本サイト ・Blogos ・ヤフーニュース「個人」 この三つを合わせると10月の合計PVは45万Pvに達していた。これら以外にも商用媒体への寄稿やそこからExciteやgooといったニュースサイトへ配信されることも考えれば、10月の私の記事の総閲覧
おねえさんのコンピュータ
同じ所を２度通らない道順の数 Total number of routes that do not pass by the same place twice
エレベータアルゴリズムの最適化 - 川口耕介のブログ
エレベータに階数表示がないのはなぜかというブログポストを見て、この一歩上をゆく方式がニューヨークで運用されていたのを思い出したので、紹介します。 タイムズ・スクエアのマリオットだったと思いましたが、エレベータホールには、上下ボタンの代わりにテンキーで目的階を入力するキーパッドが付いています。これを押して行きたい階を選ぶと、液晶画面で何号機に乗るのか指示されます。指示されたやつの前で待っていると、やがてドアが開く、という具合です。エレベータ内には階数入力のボタンはついていないので、中に乗ってから目的階を選ぶことはできません。これだと、同じ階で降りる人を同じ箱にまとめて載せることができるので、効率は更に上がりそうですね。 ニューヨークの二箇所のホテルで見たので、結構流行っているのではないかと思われますが、一方でニューヨーク以外では見たことがありません。 追記：その後のフィードバックで、ニューヨ
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
myui on Twitter: "@sleepy_yoshi この辺とか。 http://t.co/Ww5Fko0y5u https://t.co/6Wd4qzlxmM"
Complement Naive Bayesによるワードの自動カテゴリ分類
Amazon.co.jp: Bandit Algorithms for Website Optimization: Developing, Deploying, and Debugging (English Edition): White, John Myles: Digital Ebook Purchas
