LT13（前半）Workshipにおけるレコメンドエンジン実装
•Descargar como PPTX, PDF•
0 recomendaciones•875 vistas
Workshipにおけるレコメンドエンジン実装を公開 ※ 株式会社GIGでは毎月社内勉強会を実施しています GIG inc. Good is good. We provide opportunities to the SEKAI by fusing technology and ideas. テクノロジーとクリエイティブでセカイをより良くする。小さなチームからスタートした多くの先人達が、世界をより豊かなモノに変革してきました。通信、UX、デバイス、技術の変化と共に世界はまだまだ加速度的に変わります。 Good is good. いいものはいい。GIGは、関わったユーザーやクライアントが前に進める“きっかけ”をつくりつづけます。 ■ お問い合せ https://giginc.co.jp/contact/
Recomendados
Más contenido relacionado
La actualidad más candente
Similar a LT13（前半）Workshipにおけるレコメンドエンジン実装
Similar a LT13（前半）Workshipにおけるレコメンドエンジン実装 (20)
Más de GIG inc.
Más de GIG inc. (20)
LT13（前半）Workshipにおけるレコメンドエンジン実装
- 2. 自己紹介 石倉 彰悟 バックエンドエンジニア / 株式会社GIG CakePHPをごりってやってます。 個人でこんなサービスも作ってます ● QiitaDeck: https://qiitadeck.com ● inazuma: https://inazuma.tech https://issys16.info
- 4. アジェンダ 1. Workshipについて 2. 要件定義フェーズ a. レコメンド機能を実装したい 3. 実現方法の検討フェーズ a. どんなレコメンドが理想か考える b. 各種レコメンド方式と説明 4. 実装フェーズ a. 協調フィルタリングの仕組み b. Workshipにおける実装 c. 意識すべき点と工夫 5. まとめ
- 5. Workshipについて
- 7. 要件定義フェーズ
- 11. 実装方法の検討フェーズ
- 13. どんなレコメンドが理想か考える 例えば 1. 職種が同じで、高単価 1. 気になる！した求人に特徴が近い求人 1. 自分と趣向が似ているユーザが閲覧した求人 実装方法の検討フェーズ
- 14. それぞれ違ったレコメンド方式 1. 職種が同じで、高単価 1. 気になる！した求人に特徴が近い求人 1. 自分と趣向が似ているユーザが閲覧した求人 どんなレコメンドが理想か考える 実装方法の検討フェーズ
- 15. レコメンド方式一覧 各種レコメンド方式と説明 引用: https://www.slideshare.net/masayuki1986/recommendation- ml 実装方法の検討フェーズ
- 16. レコメンド方式一覧 各種レコメンド方式と説明 引用: https://www.slideshare.net/masayuki1986/recommendation- ml 実装方法の検討フェーズ
- 17. 実装フェーズ
- 21. 実装フェーズ Workshipにおける実装 1. そのユーザと似ているユーザを見つける(類似度計算,相関分析) 求人A 求人B 求人C 求人D Aさん 気になる！ 気になる！ Bさん 気になる！ Cさん 気になる！ 気になる！ Dさん 気になる！ 気になる！ 気になる！
- 22. 実装フェーズ Workshipにおける実装 1. そのユーザと似ているユーザを見つける(類似度計算,相関分析) 求人A 求人B 求人C 求人D Aさん 気になる 気になる Bさん 気になる Cさん 気になる 気になる Dさん 気になる 気になる 気になる Aさん Bさん Cさん Dさん Aさん - 0/4 1/4 2/4 Bさん 0/4 - 0/4 0/4 Cさん 1/4 0/4 - 2/4 Dさん 2/4 0/4 2/4 - Jaccard係数を使った J(A,B)= |A∩B ||A∪B|
- 23. 実装フェーズ Workshipにおける実装 1. そのユーザと似ているユーザを見つける(類似度計算,相関分析) Aさん Bさん Cさん Dさん Aさん - 0.00 0.25 0.50 Bさん 0.00 - 0.00 0.00 Cさん 0.25 0.00 - 0.50 Dさん 0.50 0.00 0.50 - Jaccard係数を使った J(A,B)= |A∩B ||A∪B| 求人A 求人B 求人C 求人D Aさん 気になる 気になる Bさん 気になる Cさん 気になる 気になる Dさん 気になる 気になる 気になる
- 24. 実装フェーズ Workshipにおける実装 1. そのユーザと似ているユーザを見つける(類似度計算,相関分析) Aさん Bさん Cさん Dさん Aさん - 0.00 0.25 0.50 Bさん 0.00 - 0.00 0.00 Cさん 0.25 0.00 - 0.50 Dさん 0.50 0.00 0.50 -
- 25. 実装フェーズ Workshipにおける実装 2. 似ているユーザを基に、よく見られている求人などを計算し そのユーザにレコメンドする求人を決める 求人A 求人B 求人C 求人D Aさん 気になる！ 気になる！ Bさん 気になる！ Cさん 気になる！ 気になる！ Dさん 気になる！ 気になる！ 気になる！
- 26. 実装フェーズ 意識すべき点と工夫 ユーザが増えれば増えるほど、計算量が乗数で増えていく ユーザ数のループだけでも ユーザ数が100人なら、100*100 = 10,000ループ ユーザ数が10,000人なら、10000*10000 = 100,000,000ループ ※しかもそこから履歴を参照する・・・。 ISSUE
- 27. 実装フェーズ 意識すべき点と工夫 全ユーザ分見なくていいように、INDEXを用意した SOLUTION KEY_userId VALUE(jobIds) index_likejob_1 [1,3] index_likejob_2 [2] index_likejob_3 [1,4] index_likejob_4 [1,3,4] 気になるした求人リスト KEY_jobId VALUE(userIds) index_likeuser_1 [1,3,4] index_likeuser_2 [2] index_likeuser_3 [1,4] index_likeuser_4 [3,4] 求人を気になるしたユーザリスト
- 28. まとめ
- 30. 有難うございました
- 31. Good is good. We provide opportunities to the SEKAI by fusing technology and ideas. テクノロジーとクリエイティブでセカイをより良くする のこと