16:50-17:30
-
レコメンデーション
- アイテム単位:この商品を買った人は(ry
- ユーザ単位:あなたへのオススメ
-
開発の同期
- スタンプ数の急速な増加
- 欲しいスタンプが見つからない
- ユーザ数:MAU 1.8億人
- スタンプ数:9万以上
- 約200の地域で販売
- 公式スタンプ / クリエイターズスタンプがある
- 販売数のオーダーが異なる(100,1000倍前後)
- メタデータの不在
- 「ネコ」タグ、のようなものが存在しない
- item単位の計算をしてから、ユーザ単位の計算をする
- アイテム間の近さを計算してからユーザの計算をする
- 計算量を考慮すると、スタンプ単位の計算から先に入ったほうが良い
- ある人がどのようなスタンプを買ったか
- 似たようなスタンプを買っている:共起関係が強い
- 行列で計算
- スパースな行列なので1.8億 x 9万でもなんとかなる
- α:確率が0になると、うまく動かないことがあるので、リリクレジュレン分布を仮定した上で決定
- イプシロンを入れる理由
- 売れ筋のアイテムしか出てこないという問題がある
- クリエイターズスタンプがレコメンドに全然出てこないという問題。目指したいレコメンデーションとは遠くなってしまう。
- イプシロンを入れてあげると、公式スタンプからクリエイターズスタンプのレコメンドを出すことができる
- 全世界版で確率分布を先に出す
- その後に、各地域ごとの確率分布を出す
- 仮定
- 気に入ったスタンプをよく使う
- これだけだと、昔に購入したスタンプが残りすぎる
- 最近購入したスタンプをより好む
- 気に入ったスタンプをよく使う
-
枝刈り
- 所有する各スタンプに対するアイテムレコメンドTop-Nを表にまとめる
- 図のルールで順番にスタンプをn個選択
- 選んだスタンプのみスコアを評価
-
実績
- ランキング1000位以降の販売数が大きく上昇
- アイテムレコメンドのCTRは9倍
- データソースを入れ替えることで公式アカウント、LINE@のレコメンドも可能
-
コールドスタート問題
- 新しいアイテムやユーザが追加された時、類似アイテムを見つけるのが困難
-
画像の類似度に基づくレコメンデーション
- Deep Learningで類似度判定
- スタンプに購買履歴がない場合に適用
-
Deep Learning
- スタンプに含まれる複数の画像から特徴量を抽出
- 特徴量を比較して類似度を判定