Mahout の協調フィルタで遊ぼ
Karubi Namuru
June 20th, 2010

自己紹介
● Karubi Namuru
● 博士（理学），情報科学
● Kauli, inc. http://kau.li
● Twitter: @karubi
● Facebook: http://facebook.com/karubi
● 出身：広島 , 居住：東京 , Seongnam

学生時代の話
● 在学中の研究
● 統計的手法による日常行動分析
– 実世界：ライフログ
– ウェブ：閲覧， clicks
200 200
180 180
160 160
140 140
120 120
100 100
80 80
60 60
40 40
20 20
0 0

現在使っている知識
● 膨大な情報の処理
● 疎な分散処理
● 時系列情報を参照する情報推薦
● コンテクスト抽出
● 状況変化型の情報推薦
– いつも一緒ではない，時間は刻々と進む

会社
● 広告の会社，情報推薦を応用した配信最適化
● Mahout を利用した商用システムも稼働中
● 2009 年 09 月から，（自称）世界初の商用利用
● 規模
● 2010 年 02 月 2200 万 UBs （ユニークブラウザ）
● 2010 年 03 月 2840 万 UBs
● 2010 月 04 月 3208 万 UBs
● 2010 月 05 月 3816 万 UBs

今日の内容
● ネット上の資源で遊ぶ
● 前回のおさらい
● ネット上の情報源
– 映画の推薦情報
● ネット上のライブラリ
– Mahout
● 動かしてみる
– 本日はアイテムベース
● 検証

推薦（レコメンデーション）
● 概要
● 潜在的な顧客にその人が欲しい商品を勧める
● ウェブ閲覧者のサイト閲覧履歴やクリック履歴など
をもとにユーザの嗜好パターンを学習する
● アプローチ
● コンテンツベース
● ルールベース
● 協調フィルタリング

協調フィルタリング
● 似た人が与えた評価を利用して，アイテムの評
価を予測する
● 多くの利用者の嗜好情報を蓄積すること
● ある人と嗜好の類似する他の人の情報
● クチコミの原理と例えられる
– 趣味の似た人からの意見を参考にする

考え方
● ユーザ A がアイテム X を好む
● アイテム X を好む別のユーザ B が好むアイテム
Y が存在する
● ユーザ A もアイテム Y を好むのではないか
● 実装で利用するのはユーザ同士の類似度
– たとえば，同じアイテムにつけた評価の相関係数

対象する情報
● 明示的な情報源
● ユーザの評価がついているもの
– レビュー
● 明示的に選択したもの
– 評価ポイント
● 暗示的な情報源
● システムの操作履歴
– ブラウザの閲覧履歴

明示的な情報の具体例
● 評価の内容
● 例えば映画の場合
– この映画は面白かった，つまらなかった
– ◯◯ 点 や ☆の数
– 評価を与えた映画の組み合わせ
● レビューリスト

ネット上の情報源
● 公開されている明示的な情報源（一部）
●
The Netflix prize datasets
– Netflix ：アメリカのオンライン DVD レンタルサービス
– 1 億レコード以上
– 480,189 人が 17,770 タイトルについて評価
●
Grouplens Research
– ミネソタ大の研究チーム， MovieLens プロジェクト
– 10 万， 100 万， 1000 万レコードの 3 つのデータ
– 71,567 人が 10,681 タイトルについて評価（ 1000 万）

無料のライブラリで作ってみる
● STEP 1. Java の開発環境の設定をします
● 今回は JRE 6 と Eclipse を使います
● 実際にやってみたいという方は，以下のページでも
見てやってみてください
● Javaの道，Eclipse －１．インストール
– この記事はわかりやすいのですが，ソフトウェアのバー
ジョンが古いままです．最新版をダウンロードしても多
分大丈夫だと思います．

動作環境を整える
● STEP 2. Mahout ライブラリをダウンロード
●
Apache Mahout - Downloads and Releases
– 最新版は 0.3 （ 2010 年 6 月現在）
● 解凍する

動作環境を整える
● STEP 3. 開発環境に登録する
● ライブラリを Eclipse に登録する
– Mahout-**-0.3.jar を使う
– Javaの道, Eclipse－３．便利な機能（環境設定）
– 「クラスパスの設定」の「４」参照
● 依存するライブラリも登録しておく
– 「 lib 」から， commons-logging-1.1.1.jar ， slf4j-api-
1.5.8.jar ， slf4j-jcl-1.5.8.jar ， commons-cli-2.0-
mahout.jar ， uncommons-maths-1.2.jar
– 「 lib 」全部登録しておいて問題ない

データダウンロード
● Step 4. 情報源をダウンロードする
http://www.grouplens.org/node/73
● 今回は 100 万レコードのデータを使う

データの中身
● 映画情報
● 1270::Back to the Future (1985)::
Comedy|Sci-Fi
● MovieID::Title::Genres
● それぞれ 1 本づつ
● 評価情報
● 1::1270::5::978300055
● UserID::MovieID::Rating::Timestamp
● 一人あたり 20 本分の評価

データを整形する（１）
● Step 5. Mahout で扱えるように整形
● 解凍する
● 評価情報のみ切り抜く
– テキストエディタなどでもなんとかできる量なので，切
り取っちゃう
– タイトル情報を出力したいときは，タイトル情報やユー
ザ情報部分も切り取る

データを整形する（２）
● Mahout 用に整形
– Mahout で使うデータ形式は「 UserId, MovieId,
Rating 」
– Perl や Python や Excel などで「，」と TimeStamp
の列を消す．

プログラミング
● Step 6. アイテムベース推薦のプログラム
● 説明します

実行
● Step 7. 推薦を動かす
● UserID: 1 について 5 タイトルが出力できた
557::Mamma Roma (1962)::Drama
53::Lamerica (1994)::Drama
1149::JLG/JLG - autoportrait de d 馗 embre
(1994)::Documentary|Drama
1039::Synthetic Pleasures (1995)::Documentary
572::Foreign Student (1994)::Drama
● 自分のデータを登録しても推薦できる
– 「 java.lang.OutOfMemoryError: Java heap space Exception
in thread "main" 」が出た場合は以下のリンク．
● 以下のプログラムで出るエラーの意味がわかりません

まとめ
● 手軽に本格的なアイテムベースの推薦機能がつ
くれた
● ネット上のリソースを使ってみた
● 無料のライブラリを使ってみた
● おもしろさを味わってみ
● ご質問ございましたらメールください
gogokarubi@gmail.com まで