リクルートにおけるマルチモーダル Deep Learning Web API 開発事例

リクルートにおける
マルチモーダル Deep Learning
Web API 開発事例
株式会社リクルートテクノロジーズ
ITソリューション統括部ビッグデータプロダクト開発グループ
舟木類佳

2Copyright © Recruit Technologies Co., Ltd. All Rights Reserved.
自己紹介

趣味etc
学歴
仕事
所属
氏名
RTC ITソリューション統括部
ビッグデータ部
ビッグデータプロダクト開発G
舟木類佳（ふなきるか）
東京大学大学院情報理工学系研究科
創造情報学専攻
中山英樹研究室
新卒入社1年目
7月配属
uMean プロダクトオーナー
音楽（ピアノ・ドラム・作曲）
自己紹介

アジェンダ
 リクルートについて
 A3RTについて
 マルチモーダル学習とは
 開発事例の紹介
 まとめ

リクルートについて

リクルートのビジネスモデル
クライアントとカスタマーをつなぐサービスを提供

リクルートの事業領域
「選択」をサポートするような情報サービスを展開
Life event area Lifestyle Area
Travel
IT/ TrendLifestyle
Health & Beauty
Job Hunt
Marriage
Job Change
Home Purchase
Car Purchase
Child Birth
Education

リクルートテクノロジーズの立ち位置
リクルートホールディングスは７つの主要事業会社と３つの機能会社から成り立っている。
Infrastructure
Large project
promotions
UI design/SEO
Big Data
Department
Technology R&D
IT Promotion
Recruit
Holdings
Recruit Career
Recruit Sumai Company
Recruit Lifestyle
Recruit Jobs
Recruit Staffing
Recruit Marketing Partners
Staff service Holdings
Recruit Technologies
Recruit Administration
Recruit Communications
Operation
Service

ビッグデータ解析部門の組織体制
ビジネス
コンサルティング
グループ
人材領域グループ
販促・バイト領域
グループ
ソリューションを
軸とした予測、
BI、競合分析
人材領域を軸とした
各種レコメンドの
開発
販促・バイトを
軸とした各種
レコメンドの開発
ＩＤ・ポイント領域
グループ
IDポイントを
軸とした各種
レコメンドの開発
プロダクト開発
グループ
インフラグループ
ＩＤポイント
ビッグデータシステムグルー
プ
ソリューションを
軸とした各種R&D系
プロダクトの開発
ビックデータ基盤の
構築・運用
IDポイントPRJの
基盤の構築・運用
ビックデータ部

A3RTについて

A3RTって何？
 Deep Learningなどに代表される
機械学習ロジックとそのAPIを
A3RTというブランドで統一し、社内に展開

A3RT のプロダクト
 データ分析や機械学習を社内向けに提供する
APIプロダクト

〜マルチモーダル機械学習を利用した
画像・テキストによる相互検索API〜

マルチモーダル学習とは

人の五感
 体にはたくさんのセンサーが張り巡らされている
味覚
触覚
嗅覚
視覚
聴覚

人は複数の情報の関係性を知っている
 人は経験的複数の感覚を雨という概念と結びつけている
雨の音を
聞く
雨を見る濡れる雨の匂い
を嗅ぐ
雨だ！（知覚）

コンピューターはわからない
17
0101010101010101
0101010101010101
0101010101010101
0101010101010.....
ハワイに行きました。
海がとても青くて
陽の光が眩しかったです。
0101010101010101
0101010101010101
0101010101010101
0101010101010.....
Icon: http://www.icondrawer.com/
画素データ
文字列データ
画素データの
数値列
文字コードの
数値列
0101010101010101
0101010101010101
0101010101010101
0101010101010.....
波の音
波形データ
関係は？？
波データの
数値列

マルチモーダル学習は情報間の隔たりを埋める
画像
テキスト
画像とテキストの
セマンティックギャップ
（意味的隔たり）
コンピューターの世界
0101010101010101
0101010101010101
0101010101010101
0101010101010.....
0101010101010101
0101010101010101
0101010101010101
0101010101010.....
ハワイに行きました。
海がとても青くて
陽の光が眩しかったです。
Icon: http://www.icondrawer.com/

学習に必要なデータ
 画像と画像に対する説明文のペアさえあれば学習可能
こういう画像はこういうテキスト
関係性を学習
クリスマスにワイングラスで乾杯。
赤い薔薇とオシャレなテーブル
セッティングで素敵なディナーを
お召し上がりください。

結合空間へのデータのマッピング
 マルチモーダル学習は結合空間に複数の情報が関連性が高いも
のを近くにマッピングするように学習する
距離が近ければ関連性が高い
・画像a
x4
x1
・画像b
x2
x3
xd
︙
・テキストc
・テキストd
結合空間
x4
x1
x2
x3
xd
︙
・画像b
・画像a
画像空間
x4
x1
x2
x3
xd
︙
・テキストd
・テキストc
テキスト空間

2つのDEMO
 Map DEMO
 対話DEMO

uMeanでできること〜「画像⇔テキスト」相互検索
画像
.............
画像からテキスト：
画像から連想する
テキストを検索する
テキストから画像：
テキストから連想する
画像を検索する
テキスト
画像から画像：
画像から
類似する画像を検索する
テキストからテキスト：
テキストから
類似するテキストを検索する

もっと赤い
uMeanでできること〜もっと検索
もっと検索
画像画像

イメージを近づけていく
欲しかったもの
かわいい
かっこいい
和風
洋風

開発事例の紹介

7月に配属されてから行った多岐にわたる仕事
 商品企画
 データ解析
 バックエンド開発
 フロントエンド開発
 インフラ開発
 一緒に働く人探し、面接
 売り込み
 チームマネジメント
 事業会社との調整

本番環境
http request
Elastic Load
Balancing
prd_umean_web2
API
サーバー
prd_umean_web1
API
サーバー
Amazon
Route 53
Internet
umean_manager
Jenkins
サーバー
umean_batch
Batch
サーバー
prd-umean
fabric
②学習
①学習データをコピー
③モデル配布
モデル
ファイル
モデル
ファイル
画像情報
テキスト情報
APIアーキテクチャ

本番環境
http request
Elastic Load
Balancing
prd_umean_web2
API
サーバー
prd_umean_web1
API
サーバー
Amazon
Route 53
Internet
umean_manager
Jenkins
サーバー
umean_batch
Batch
サーバー
prd-umean
fabric
②学習
③モデル配布
モデル
ファイル
モデル
ファイル
画像情報
テキスト情報
Web APIサーバー

Webサーバー
カスタマー
APIサーバー
マルチモーダル学習
プログラム
uWSGI protocol
WSGIサーバー
Webサーバー
Internet

webフレームワークの選択
 Django等のフレームワークは今回の機械学習API
に対しては多機能すぎた
 BottleやFlaskで十分
 今回はBottleを選択
 軽量フレームワークを利用することで
早い開発スピードが実現できた

本番環境
http request
Elastic Load
Balancing
prd_umean_web2
API
サーバー
prd_umean_web1
API
サーバー
Amazon
Route 53
Internet
umean_manager
Jenkins
サーバー
umean_batch
Batch
サーバー
prd-umean
fabric
②学習
③モデル配布
モデル
ファイル
モデル
ファイル
画像情報
テキスト情報
バッチアーキテクチャ

マルチモーダル学習アルゴリズム
 今回検討したアルゴリズム
 正準相関分析（CCA: Canonical Correlation Analysis）
 Visual-Semantic Embedding（VSE）

正準相関分析（CCA）
 相関が最大になるように射影する
（相関が高くなることはすなわち距離が近くなる）
x = (x1, … xp), y = (y1,…,yq)z = aT (x − x)
w = bT (y − y)
テキスト特徴空間画像特徴空間結合空間

Visual Semantic Embedding
内部状態 Vh をこのキャプションの表現とする。損失関数
"Unifying Visual-Semantic Embeddings
with Multimodal Neural Language Models"
(Kiros, Salakhutdinov, Zemel. 2014).
文章情報
画像情報

CCAとVSEのどちらが良いか
 CCAよりもVSEの方が精度が高いためVSEを選択
 しかし、VSEの場合は内積による最適化なので、
単純なユークリッド距離計算ができない
（線形計算ができない）ので工夫が必要だった
・画像a
x4
x1
・画像b
x2
x3
xd
︙
・テキストc
・テキストd
結合空間
※コサイン距離でしか測れない

画像とテキストのペアを学習する
秋を感じる黄色いコスモスが風に
なびいて・・・
紅葉した木々がきれいな森林
で・・・
オーシャンブルーの海が広がる
沖縄の観光スポット・・・
青々と茂る大根畑が・・・
︙ ︙
画像キャプション

学習と検索の流れ
テキスト
Caffeによる
特徴抽出
MeCabによる
形態素解析
画像特徴
VSE
分かち書きテキスト
ピクセルデータ
文字列データ
テキスト
テキスト
Caffeによる
特徴抽出
MeCabによる
形態素解析
Image encoder
画像特徴
Sentence encoder
VSE分かち書きテキスト
ピクセルデータ
文字列データ
マルチモーダル空間
における画像特徴
最近傍探索
（コサイン
距離）
学習
モデル
学習
検索
学習画像
学習テキスト
テキスト
テキスト
テキスト
検索画像
検索テキスト
におけるテキスト特徴

文章（または単語）からの画像検索
Image encoder
Sentence encoder
VSE
最近傍探索
（コサイン距離）
テキスト
クエリテキスト
image_feature.npy
sentence_feature.npy
画像リスト
※クエリテキストは文章でも単語でもよい。
単語は１文字から成る文章と考える。

画像から単語の検索
Image encoder
Sentence encoder
VSE
？
アップロード画像
image_feature.npy
単語リスト
？
予め用意された単語データはないが、
どのようにすればよいか？

 一番良かった方法（アドホックな方法）
単語を
TF-IDF順に
ソートして
上位を取得
画像に近い文章を20件検索してくる

Image encoder
Sentence encoder
VSE
最近傍探索
（コサイン距離）
アップロード画像
image_feature.npy
20件 TF-IDF
計算
単語リスト

もっと検索（画像に単語を足す）
・赤い
単純な方法はうまくいかなかった
↓出てこない

もっと検索
 画像からテキストを10個検索してきて文頭に
「もっと○○」に当たる用語を追加する
 その後、センテンスエンコーダーに入力してきて平均を取ることで画
像を検索する
+赤い
+赤い
+赤い
+赤い
+赤い
Sentence
Encoder
平均
目的の
画像ベクトル
バラが敷き詰められた・・・赤い +
文字列の結合

まとめ
 マルチモーダル機械学習を利用した画像・テキスト相互検索API、
「uMean」を開発した。
 マルチモーダル学習を用いることでこれまでに
出来なかったような新しい探し方ができるようになった。
 それを実現するために、アドホックな方法を含め、
色々な方法を試すことが必要だった。
 今後もマルチモーダル空間を利用して様々な検索方法ができるよ
うに改良していきたい。

私達は一緒に働く人を求めています
新しいテクノロジーを利用して
ものづくりがしたい人は
是非、一緒に働きましょう！！
リクルートテクノロジーズ
舟木類佳（ふなきるか）
ruka_funaki@r.recruit.co.jp
連絡先

リクルートにおけるマルチモーダル Deep Learning Web API 開発事例

More Related Content

What's hot

Viewers also liked

Similar to リクルートにおけるマルチモーダル Deep Learning Web API 開発事例

More from Recruit Technologies

リクルートにおけるマルチモーダル Deep Learning Web API 開発事例