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
なぜNetflixはNetflix Prizeで優勝したアルゴリズムを実用化していないのか？ - 射撃しつつ前転 改
ダヌシカさんのツイート経由で、以下のURLから。 Why Netflix Never Implemented The Algorithm That Won The Netflix $1 Million Challenge Netflix Recommendations: Beyond the 5 stars (Part 1) 超簡単に要約しておく。詳しく知りたい人は上記のリンク先を読んで下さい。 Netflix Prizeの優勝アルゴリズムでは多くのアルゴリズムが混合されていた。そのうちSVDとRBMは今でも使ってる。 100万件のデータに使えるものであっても、1億件で利用可能なようにスケールさせるのは大変だった。 スケールさせるのが大変なので、Grand Prizeで用いられた数百のアルゴリズムの混合は、Netflixでは使ってない。 Netflix Prizeの成果を使ってない理由とし
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
処理を実行中です
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
