SlideShare a Scribd company logo
1 of 26
Download to read offline
1
1.会社紹介
2.製品紹介


         2
会社概要
社名     株式会社 Preferred Infrastructure
       (プリファード インフラストラクチャー)
設立     2006年3月
代表者    西川 徹
従業員数   14名
所在地    〒113-0033
       東京都文京区本郷7-2-2 本郷ビル10F
URL    http://preferred.jp/




                                       3
メンバー
代表取締役社長 西川 徹
 東京大学情報理工学系研究科コンピュータ科学専攻
 IPA未踏ソフトウェア創造事業「抽象度の高いハードウェア記述言語」
 第30回ACM国際大学対抗プログラミングコンテスト世界大会19位


最高技術責任者 太田 一樹
 東京大学情報理工学系研究科コンピュータ科学専攻
 IPA未踏ソフトウェア創造事業 「組み込み環境向け日本語入力環境」
 第32回ACM国際大学対抗プログラミングコンテスト世界大会13位


特別研究員 岡野原 大輔
 東京大学情報理工学系研究科コンピュータ科学専攻
 IPA未踏ソフトウェア創造事業
 「単語抽出法による次世代データ圧縮法の開発」
 「汎用的データにおける確率的言語モデルの抽出及びその利用」
 「文脈を利用した文書分類」(スーパークリエータ認定)

その他、IPA未踏、プログラミングコンテスト世界大会経験者が
多数在籍
第一線のアカデミック研究者と、その成果を高いレベルで実装・
実用化できるエンジニア集団
                                     4
技術分野
情報検索
推薦
自然言語処理
機械学習
データ圧縮
データベース
大規模分散処理システム
バイオインフォマティクス
               5
会社の目標
 基礎技術              ソフトウェアプロダクト


 学術研究                 サービス



新しい技術・面白い技術をいち早く世の中に届けていきます
  アカデミックな世界の最先端の研究を実用化
  テクノロジーが持つポテンシャルを最大限に引き出す

世の中に必要とされている技術の中でも、特に難しいミッショ
ンを選び抜き、それに対する解を提供していきます。



                                 6
事業内容
独自ソフトウェアの開発・販売
 検索
 推薦(レコメンド)
 広告配信
アドネットワークの運営
独自技術を生かした顧客・パートナーとの共
同研究・共同開発



                       7
1.会社紹介
2.製品紹介


         8
製品ラインアップ
           Sedue 24 全文検索
  検索       Sedue Flex 曖昧検索

           reflexa 連想検索


  推薦       Hotate 関連記事推薦
           大鷹 大規模レコメンドエンジン



 広告配信      UbiMatch モバイル向けアドネットワーク




                                     9
検索
 Sedue 24
  スケーラブルで高速な分散型全文検索エンジン
     圧縮接尾辞配列を利用した世界初の商用検索エンジン
       インデックスを圧縮し、高速にオンメモリ検索
       検索漏れが発生しない
     リニアなスケールアップ
       Sunマシン上の検証で128スレッドまで線形にスケール
     容易なスケールアウト
       インデックス作成、検索用ノードを無停止で追加
     高い信頼性
     カスタマイズ可能なランキング機能
  用途
     Web検索、サイト内検索、ブログ検索
     文献検索
     テキストマイニング

                                     10
検索
 Sedue 24
  最新バージョンでSSDに対応!
     SSD向けに最適化された新しいインデックスエンジ
     ンを搭載
       インデックスをSSD上に配置
       SSDの特性やシステムバランスを考慮し、SSD
       の性能をフル活用
     数100GBのデータの高速検索を1台のPCサー
     バーで実現
  デモサイト
     全言語のWikipedia(約50GB)を一括検索
     http://demo.sedue.org/wikipediasearch/
                                              11
検索
 Sedue 24導入事例
  国内第3位のモバイル(携帯電話)向け検索
  ポータルサイト
     月間ユニークユーザー数 400万人
  モバイルサイトの検索エンジンのバックエン
  ドとしてSedue 24を導入




                         12
検索
 Sedue 24導入事例
  国内最大のソーシャルブックマークサービス
     登録ユーザー数 21万6千人
     月間ユニークユーザー数 350万人
     1日当たり790万ページビュー
     ブックマークされたURL 1160万件
     検索対象HTMLデータ量(タグ除去後) 50GB
     ブックマーク数 3400万件
     タグ数 4000万件
  ブックマークされたWebページの全文検索
  エンジンとしてSedue 24を採用
                                13
検索
 Sedue 24導入事例



                Sedue 24による全文検索




                                  14
検索
 Sedue Flex
  高速な曖昧全文検索
     Sedue 24の完全マッチング技術を曖昧検索に拡張
       ミスマッチ(一部が異なる)やギャップ(一部が欠落 or 挿
       入)の許容
     最新のアルゴリズムによる超高速処理
       10%~20%の誤り許容で、ギガバイト級のデータを数
       ミリ~数秒で検索
       オプションのSedue Flex Plusを使うと、より多くのメモ
       リを利用することで、10倍~30倍の高速化
  用途
     ゲノム解析(BLASTより高精度で数倍~数100倍高速)
     ノイズを含むデータの解析(音声、動画など)
  導入事例
     大学系研究機関
     医科系大学
                                           15
検索     推薦
 reflexa
  連想検索エンジン
     ある単語から連想される単語を検索
       適切なキーワードが思いつかない
       探したい情報が何なのか明確でない
     大量の文書を自動分析、単語間の関連度を高精度に計算
     関連度情報は圧縮してメモリ上に保持し高速検索
     単語以外の連想にも応用可能
       購買履歴 → お勧め商品
       Web閲覧履歴 → お勧めWebページ
  用途
     百科事典
     ブレーンストーミングツール
  デモサイト
     http://labs.preferred.jp/reflexa/
                                         16
検索   推薦
 reflexa導入事例

               メディアインデックス社の横断型ブログ
               足跡システム「あし@」の、類似性の高
               いブログをレコメンドする「連想レコメン
               ド」機能


               はてなブックマークの「関連エントリー表
               示機能」。
               タグ情報を元に類似のWebページをお
               勧め。




                                     17
検索   推薦
 reflexa導入事例

               Sedue 24による
               全文検索




               reflexaによる
               関連エントリー検索




                             18
推薦
 Hotate
  関連記事推薦エンジン
     関連する文章を高速かつ高精度に検索
      月間数千万アクセスを1台で処理可能
     キーワードの自動抽出と高速なインデクシング
      約2万記事のインデックス作成 ⇒ 10秒以内
     容易なチューニング
      関連度を示すスコアと、関連キーワードの表示
      関連付けのマニュアル調整
          • 訃報にお祭りの記事が関連付けられるのはNG
  用途
     ニュースサイト
     文献検索
                                    19
推薦
 Hotate導入事例
  朝日新聞社の公式ニュースサイト
     月間ユニークユーザー数 1050万人
     月間4000万ページビュー
     1万2000記事
  Hotateを利用して、関連記事を表示する「こ
  んな記事も」を実現




                            20
推薦
 Hotate導入事例


              Hotateによる関連記事の
              抽出


              過去記事に対する
              最新記事の関連付け


                 関連記事




                          21
推薦
 Hotate導入事例
  日経BP社のIT専門情報サイト
     月間2000万ページビュー
  Hotateを利用して、関連記事を表示する「
  ITproレコメンド」を実現
  Amazon EC2で構築
     “Large Instance”($0.4 / hour)
       2ECU×2コア (1ECU≒Intel Xeon 1.0~1.2GHz)
       メモリ: 7.5GB
       HDD: 850GB
       OS: Fedora Core 6 (x86_64)
     詳細は「実践! Amazon EC2」
       http://itpro.nikkeibp.co.jp/article/COLUMN/20080925/3
       15456/?ST=itproexpo
                                                           22
推薦
 大鷹
 大規模レコメンド・レイティング予測エンジン
     ユーザーからのフィードバックを加味したレコメンド
      ユーザーの好みとアイテムの特徴を分析し、ユー
      ザーが高く評価しそうなアイテムを予測
      協調フィルタリングの一種
     数百万単位のユーザー、アイテムを処理可能
 用途
     ECサイト:商品レコメンドサービス
     口コミ、CGM系サービス:アイテム推薦機能



                                23
広告配信

  UbiMatch
   モバイル向けアドネットワーク
       自動的な広告配信の最適化
        コンテンツベースの最適化と、行動履歴・ユーザー
        プロファイル等によるパーソナライズ
        Preferred Infrastructureの持つ検索、レコメンド、
        機械学習技術を応用
       広告・サイトに対する厳しい審査基準 → 安心
       ユーザープライバシーの保護
   ビジネスモデル
       自社サービス運営
       システムのOEM提供
                                               24
広告配信

  UbiMatch –システムモデル




                      25
詳しくは下記までお問い合わせ下さい

株式会社 Preferred Infrastructure

 メール    info@preferred.jp
 TEL    03-6662-8675




                                26

More Related Content

What's hot

What's hot (20)

深層自己符号化器+混合ガウスモデルによる教師なし異常検知
深層自己符号化器+混合ガウスモデルによる教師なし異常検知深層自己符号化器+混合ガウスモデルによる教師なし異常検知
深層自己符号化器+混合ガウスモデルによる教師なし異常検知
 
【メタサーベイ】Neural Fields
【メタサーベイ】Neural Fields【メタサーベイ】Neural Fields
【メタサーベイ】Neural Fields
 
[DL輪読会]Attentive neural processes
[DL輪読会]Attentive neural processes[DL輪読会]Attentive neural processes
[DL輪読会]Attentive neural processes
 
東北大学 先端技術の基礎と実践_深層学習による画像認識とデータの話_菊池悠太
東北大学 先端技術の基礎と実践_深層学習による画像認識とデータの話_菊池悠太東北大学 先端技術の基礎と実践_深層学習による画像認識とデータの話_菊池悠太
東北大学 先端技術の基礎と実践_深層学習による画像認識とデータの話_菊池悠太
 
3次元レジストレーション(PCLデモとコード付き)
3次元レジストレーション(PCLデモとコード付き)3次元レジストレーション(PCLデモとコード付き)
3次元レジストレーション(PCLデモとコード付き)
 
【DL輪読会】Novel View Synthesis with Diffusion Models
【DL輪読会】Novel View Synthesis with Diffusion Models【DL輪読会】Novel View Synthesis with Diffusion Models
【DL輪読会】Novel View Synthesis with Diffusion Models
 
逐次モンテカルロ法の基礎
逐次モンテカルロ法の基礎逐次モンテカルロ法の基礎
逐次モンテカルロ法の基礎
 
【DL輪読会】AUTOGT: AUTOMATED GRAPH TRANSFORMER ARCHITECTURE SEARCH
【DL輪読会】AUTOGT: AUTOMATED GRAPH TRANSFORMER ARCHITECTURE SEARCH【DL輪読会】AUTOGT: AUTOMATED GRAPH TRANSFORMER ARCHITECTURE SEARCH
【DL輪読会】AUTOGT: AUTOMATED GRAPH TRANSFORMER ARCHITECTURE SEARCH
 
Recent Advances on Transfer Learning and Related Topics Ver.2
Recent Advances on Transfer Learning and Related Topics Ver.2Recent Advances on Transfer Learning and Related Topics Ver.2
Recent Advances on Transfer Learning and Related Topics Ver.2
 
[DL輪読会]Few-Shot Unsupervised Image-to-Image Translation
[DL輪読会]Few-Shot Unsupervised Image-to-Image Translation[DL輪読会]Few-Shot Unsupervised Image-to-Image Translation
[DL輪読会]Few-Shot Unsupervised Image-to-Image Translation
 
[解説スライド] NeRF: Representing Scenes as Neural Radiance Fields for View Synthesis
[解説スライド] NeRF: Representing Scenes as Neural Radiance Fields for View Synthesis[解説スライド] NeRF: Representing Scenes as Neural Radiance Fields for View Synthesis
[解説スライド] NeRF: Representing Scenes as Neural Radiance Fields for View Synthesis
 
モデルではなく、データセットを蒸留する
モデルではなく、データセットを蒸留するモデルではなく、データセットを蒸留する
モデルではなく、データセットを蒸留する
 
[DL輪読会]Understanding Black-box Predictions via Influence Functions
[DL輪読会]Understanding Black-box Predictions via Influence Functions [DL輪読会]Understanding Black-box Predictions via Influence Functions
[DL輪読会]Understanding Black-box Predictions via Influence Functions
 
ブレインパッドにおける機械学習プロジェクトの進め方
ブレインパッドにおける機械学習プロジェクトの進め方ブレインパッドにおける機械学習プロジェクトの進め方
ブレインパッドにおける機械学習プロジェクトの進め方
 
Cosine Based Softmax による Metric Learning が上手くいく理由
Cosine Based Softmax による Metric Learning が上手くいく理由Cosine Based Softmax による Metric Learning が上手くいく理由
Cosine Based Softmax による Metric Learning が上手くいく理由
 
モンテカルロサンプリング
モンテカルロサンプリングモンテカルロサンプリング
モンテカルロサンプリング
 
EMアルゴリズム
EMアルゴリズムEMアルゴリズム
EMアルゴリズム
 
「世界モデル」と関連研究について
「世界モデル」と関連研究について「世界モデル」と関連研究について
「世界モデル」と関連研究について
 
[DL輪読会]SOM-VAE: Interpretable Discrete Representation Learning on Time Series
[DL輪読会]SOM-VAE: Interpretable Discrete Representation Learning on Time Series[DL輪読会]SOM-VAE: Interpretable Discrete Representation Learning on Time Series
[DL輪読会]SOM-VAE: Interpretable Discrete Representation Learning on Time Series
 
【DL輪読会】AdaptDiffuser: Diffusion Models as Adaptive Self-evolving Planners
【DL輪読会】AdaptDiffuser: Diffusion Models as Adaptive Self-evolving Planners【DL輪読会】AdaptDiffuser: Diffusion Models as Adaptive Self-evolving Planners
【DL輪読会】AdaptDiffuser: Diffusion Models as Adaptive Self-evolving Planners
 

Viewers also liked

20130116_pfiseminar_gwas_postgwas
20130116_pfiseminar_gwas_postgwas20130116_pfiseminar_gwas_postgwas
20130116_pfiseminar_gwas_postgwas
Preferred Networks
 

Viewers also liked (20)

ledgerで経理
ledgerで経理ledgerで経理
ledgerで経理
 
20130116_pfiseminar_gwas_postgwas
20130116_pfiseminar_gwas_postgwas20130116_pfiseminar_gwas_postgwas
20130116_pfiseminar_gwas_postgwas
 
Pfiセミナー20131128
Pfiセミナー20131128Pfiセミナー20131128
Pfiセミナー20131128
 
ACL読み会2014@PFI "Two Knives Cut Better Than One: Chinese Word Segmentation w...
ACL読み会2014@PFI  "Two Knives Cut Better Than One: Chinese Word Segmentation w...ACL読み会2014@PFI  "Two Knives Cut Better Than One: Chinese Word Segmentation w...
ACL読み会2014@PFI "Two Knives Cut Better Than One: Chinese Word Segmentation w...
 
特許をとろう (15/09/17 pfiセミナー )
特許をとろう (15/09/17 pfiセミナー )特許をとろう (15/09/17 pfiセミナー )
特許をとろう (15/09/17 pfiセミナー )
 
イノベーションことはじめ
イノベーションことはじめイノベーションことはじめ
イノベーションことはじめ
 
systemdを始めよう
systemdを始めようsystemdを始めよう
systemdを始めよう
 
rcast_20140411
rcast_20140411rcast_20140411
rcast_20140411
 
NIP2015読み会「End-To-End Memory Networks」
NIP2015読み会「End-To-End Memory Networks」NIP2015読み会「End-To-End Memory Networks」
NIP2015読み会「End-To-End Memory Networks」
 
PFIセミナーH271022 ~コマンドを叩いて遊ぶ コンテナ仮想、その裏側~
PFIセミナーH271022 ~コマンドを叩いて遊ぶ コンテナ仮想、その裏側~PFIセミナーH271022 ~コマンドを叩いて遊ぶ コンテナ仮想、その裏側~
PFIセミナーH271022 ~コマンドを叩いて遊ぶ コンテナ仮想、その裏側~
 
Jubatusハンズオン資料
Jubatusハンズオン資料Jubatusハンズオン資料
Jubatusハンズオン資料
 
Jubatusで始める機械学習/セキュリティと機械学習
Jubatusで始める機械学習/セキュリティと機械学習Jubatusで始める機械学習/セキュリティと機械学習
Jubatusで始める機械学習/セキュリティと機械学習
 
Amazon Picking Challenge 結果報告
Amazon Picking Challenge 結果報告Amazon Picking Challenge 結果報告
Amazon Picking Challenge 結果報告
 
Response Summarizer: An Automatic Summarization System of Call Center Convers...
Response Summarizer: An Automatic Summarization System of Call Center Convers...Response Summarizer: An Automatic Summarization System of Call Center Convers...
Response Summarizer: An Automatic Summarization System of Call Center Convers...
 
More modern gpu
More modern gpuMore modern gpu
More modern gpu
 
対話における商品の営業
対話における商品の営業対話における商品の営業
対話における商品の営業
 
Generation of 3D-avatar animation from latent representations
Generation of 3D-avatar animation from latent representationsGeneration of 3D-avatar animation from latent representations
Generation of 3D-avatar animation from latent representations
 
Deep Learning in real world @Deep Learning Tokyo
Deep Learning in real world @Deep Learning TokyoDeep Learning in real world @Deep Learning Tokyo
Deep Learning in real world @Deep Learning Tokyo
 
ディープラーニングと自動運転、コネクティッドカー @ TU-Automotive 2016
ディープラーニングと自動運転、コネクティッドカー @ TU-Automotive 2016ディープラーニングと自動運転、コネクティッドカー @ TU-Automotive 2016
ディープラーニングと自動運転、コネクティッドカー @ TU-Automotive 2016
 
Bayesian Dark Knowledge and Matrix Factorization
Bayesian Dark Knowledge and Matrix FactorizationBayesian Dark Knowledge and Matrix Factorization
Bayesian Dark Knowledge and Matrix Factorization
 

More from Preferred Networks

More from Preferred Networks (20)

PodSecurityPolicy からGatekeeper に移行しました / Kubernetes Meetup Tokyo #57
PodSecurityPolicy からGatekeeper に移行しました / Kubernetes Meetup Tokyo #57PodSecurityPolicy からGatekeeper に移行しました / Kubernetes Meetup Tokyo #57
PodSecurityPolicy からGatekeeper に移行しました / Kubernetes Meetup Tokyo #57
 
Optunaを使ったHuman-in-the-loop最適化の紹介 - 2023/04/27 W&B 東京ミートアップ #3
Optunaを使ったHuman-in-the-loop最適化の紹介 - 2023/04/27 W&B 東京ミートアップ #3Optunaを使ったHuman-in-the-loop最適化の紹介 - 2023/04/27 W&B 東京ミートアップ #3
Optunaを使ったHuman-in-the-loop最適化の紹介 - 2023/04/27 W&B 東京ミートアップ #3
 
Kubernetes + containerd で cgroup v2 に移行したら "failed to create fsnotify watcher...
Kubernetes + containerd で cgroup v2 に移行したら "failed to create fsnotify watcher...Kubernetes + containerd で cgroup v2 に移行したら "failed to create fsnotify watcher...
Kubernetes + containerd で cgroup v2 に移行したら "failed to create fsnotify watcher...
 
Kubernetes ControllerをScale-Outさせる方法 / Kubernetes Meetup Tokyo #55
Kubernetes ControllerをScale-Outさせる方法 / Kubernetes Meetup Tokyo #55Kubernetes ControllerをScale-Outさせる方法 / Kubernetes Meetup Tokyo #55
Kubernetes ControllerをScale-Outさせる方法 / Kubernetes Meetup Tokyo #55
 
Kaggle Happywhaleコンペ優勝解法でのOptuna使用事例 - 2022/12/10 Optuna Meetup #2
Kaggle Happywhaleコンペ優勝解法でのOptuna使用事例 - 2022/12/10 Optuna Meetup #2Kaggle Happywhaleコンペ優勝解法でのOptuna使用事例 - 2022/12/10 Optuna Meetup #2
Kaggle Happywhaleコンペ優勝解法でのOptuna使用事例 - 2022/12/10 Optuna Meetup #2
 
最新リリース:Optuna V3の全て - 2022/12/10 Optuna Meetup #2
最新リリース:Optuna V3の全て - 2022/12/10 Optuna Meetup #2最新リリース:Optuna V3の全て - 2022/12/10 Optuna Meetup #2
最新リリース:Optuna V3の全て - 2022/12/10 Optuna Meetup #2
 
Optuna Dashboardの紹介と設計解説 - 2022/12/10 Optuna Meetup #2
Optuna Dashboardの紹介と設計解説 - 2022/12/10 Optuna Meetup #2Optuna Dashboardの紹介と設計解説 - 2022/12/10 Optuna Meetup #2
Optuna Dashboardの紹介と設計解説 - 2022/12/10 Optuna Meetup #2
 
スタートアップが提案する2030年の材料開発 - 2022/11/11 QPARC講演
スタートアップが提案する2030年の材料開発 - 2022/11/11 QPARC講演スタートアップが提案する2030年の材料開発 - 2022/11/11 QPARC講演
スタートアップが提案する2030年の材料開発 - 2022/11/11 QPARC講演
 
Deep Learningのための専用プロセッサ「MN-Core」の開発と活用(2022/10/19東大大学院「 融合情報学特別講義Ⅲ」)
Deep Learningのための専用プロセッサ「MN-Core」の開発と活用(2022/10/19東大大学院「 融合情報学特別講義Ⅲ」)Deep Learningのための専用プロセッサ「MN-Core」の開発と活用(2022/10/19東大大学院「 融合情報学特別講義Ⅲ」)
Deep Learningのための専用プロセッサ「MN-Core」の開発と活用(2022/10/19東大大学院「 融合情報学特別講義Ⅲ」)
 
PFNにおける研究開発(2022/10/19 東大大学院「融合情報学特別講義Ⅲ」)
PFNにおける研究開発(2022/10/19 東大大学院「融合情報学特別講義Ⅲ」)PFNにおける研究開発(2022/10/19 東大大学院「融合情報学特別講義Ⅲ」)
PFNにおける研究開発(2022/10/19 東大大学院「融合情報学特別講義Ⅲ」)
 
自然言語処理を 役立てるのはなぜ難しいのか(2022/10/25東大大学院「自然言語処理応用」)
自然言語処理を 役立てるのはなぜ難しいのか(2022/10/25東大大学院「自然言語処理応用」)自然言語処理を 役立てるのはなぜ難しいのか(2022/10/25東大大学院「自然言語処理応用」)
自然言語処理を 役立てるのはなぜ難しいのか(2022/10/25東大大学院「自然言語処理応用」)
 
Kubernetes にこれから入るかもしれない注目機能!(2022年11月版) / TechFeed Experts Night #7 〜 コンテナ技術を語る
Kubernetes にこれから入るかもしれない注目機能!(2022年11月版) / TechFeed Experts Night #7 〜 コンテナ技術を語るKubernetes にこれから入るかもしれない注目機能!(2022年11月版) / TechFeed Experts Night #7 〜 コンテナ技術を語る
Kubernetes にこれから入るかもしれない注目機能!(2022年11月版) / TechFeed Experts Night #7 〜 コンテナ技術を語る
 
Matlantis™のニューラルネットワークポテンシャルPFPの適用範囲拡張
Matlantis™のニューラルネットワークポテンシャルPFPの適用範囲拡張Matlantis™のニューラルネットワークポテンシャルPFPの適用範囲拡張
Matlantis™のニューラルネットワークポテンシャルPFPの適用範囲拡張
 
PFNのオンプレ計算機クラスタの取り組み_第55回情報科学若手の会
PFNのオンプレ計算機クラスタの取り組み_第55回情報科学若手の会PFNのオンプレ計算機クラスタの取り組み_第55回情報科学若手の会
PFNのオンプレ計算機クラスタの取り組み_第55回情報科学若手の会
 
続・PFN のオンプレML基盤の取り組み / オンプレML基盤 on Kubernetes 〜PFN、ヤフー〜 #2
続・PFN のオンプレML基盤の取り組み / オンプレML基盤 on Kubernetes 〜PFN、ヤフー〜 #2続・PFN のオンプレML基盤の取り組み / オンプレML基盤 on Kubernetes 〜PFN、ヤフー〜 #2
続・PFN のオンプレML基盤の取り組み / オンプレML基盤 on Kubernetes 〜PFN、ヤフー〜 #2
 
Kubernetes Service Account As Multi-Cloud Identity / Cloud Native Security Co...
Kubernetes Service Account As Multi-Cloud Identity / Cloud Native Security Co...Kubernetes Service Account As Multi-Cloud Identity / Cloud Native Security Co...
Kubernetes Service Account As Multi-Cloud Identity / Cloud Native Security Co...
 
KubeCon + CloudNativeCon Europe 2022 Recap / Kubernetes Meetup Tokyo #51 / #k...
KubeCon + CloudNativeCon Europe 2022 Recap / Kubernetes Meetup Tokyo #51 / #k...KubeCon + CloudNativeCon Europe 2022 Recap / Kubernetes Meetup Tokyo #51 / #k...
KubeCon + CloudNativeCon Europe 2022 Recap / Kubernetes Meetup Tokyo #51 / #k...
 
KubeCon + CloudNativeCon Europe 2022 Recap - Batch/HPCの潮流とScheduler拡張事例 / Kub...
KubeCon + CloudNativeCon Europe 2022 Recap - Batch/HPCの潮流とScheduler拡張事例 / Kub...KubeCon + CloudNativeCon Europe 2022 Recap - Batch/HPCの潮流とScheduler拡張事例 / Kub...
KubeCon + CloudNativeCon Europe 2022 Recap - Batch/HPCの潮流とScheduler拡張事例 / Kub...
 
独断と偏見で選んだ Kubernetes 1.24 の注目機能と今後! / Kubernetes Meetup Tokyo 50
独断と偏見で選んだ Kubernetes 1.24 の注目機能と今後! / Kubernetes Meetup Tokyo 50独断と偏見で選んだ Kubernetes 1.24 の注目機能と今後! / Kubernetes Meetup Tokyo 50
独断と偏見で選んだ Kubernetes 1.24 の注目機能と今後! / Kubernetes Meetup Tokyo 50
 
Topology Managerについて / Kubernetes Meetup Tokyo 50
Topology Managerについて / Kubernetes Meetup Tokyo 50Topology Managerについて / Kubernetes Meetup Tokyo 50
Topology Managerについて / Kubernetes Meetup Tokyo 50
 

PFI会社案内

  • 1. 1
  • 3. 会社概要 社名 株式会社 Preferred Infrastructure (プリファード インフラストラクチャー) 設立 2006年3月 代表者 西川 徹 従業員数 14名 所在地 〒113-0033 東京都文京区本郷7-2-2 本郷ビル10F URL http://preferred.jp/ 3
  • 4. メンバー 代表取締役社長 西川 徹 東京大学情報理工学系研究科コンピュータ科学専攻 IPA未踏ソフトウェア創造事業「抽象度の高いハードウェア記述言語」 第30回ACM国際大学対抗プログラミングコンテスト世界大会19位 最高技術責任者 太田 一樹 東京大学情報理工学系研究科コンピュータ科学専攻 IPA未踏ソフトウェア創造事業 「組み込み環境向け日本語入力環境」 第32回ACM国際大学対抗プログラミングコンテスト世界大会13位 特別研究員 岡野原 大輔 東京大学情報理工学系研究科コンピュータ科学専攻 IPA未踏ソフトウェア創造事業 「単語抽出法による次世代データ圧縮法の開発」 「汎用的データにおける確率的言語モデルの抽出及びその利用」 「文脈を利用した文書分類」(スーパークリエータ認定) その他、IPA未踏、プログラミングコンテスト世界大会経験者が 多数在籍 第一線のアカデミック研究者と、その成果を高いレベルで実装・ 実用化できるエンジニア集団 4
  • 6. 会社の目標 基礎技術 ソフトウェアプロダクト 学術研究 サービス 新しい技術・面白い技術をいち早く世の中に届けていきます アカデミックな世界の最先端の研究を実用化 テクノロジーが持つポテンシャルを最大限に引き出す 世の中に必要とされている技術の中でも、特に難しいミッショ ンを選び抜き、それに対する解を提供していきます。 6
  • 7. 事業内容 独自ソフトウェアの開発・販売 検索 推薦(レコメンド) 広告配信 アドネットワークの運営 独自技術を生かした顧客・パートナーとの共 同研究・共同開発 7
  • 9. 製品ラインアップ Sedue 24 全文検索 検索 Sedue Flex 曖昧検索 reflexa 連想検索 推薦 Hotate 関連記事推薦 大鷹 大規模レコメンドエンジン 広告配信 UbiMatch モバイル向けアドネットワーク 9
  • 10. 検索 Sedue 24 スケーラブルで高速な分散型全文検索エンジン 圧縮接尾辞配列を利用した世界初の商用検索エンジン インデックスを圧縮し、高速にオンメモリ検索 検索漏れが発生しない リニアなスケールアップ Sunマシン上の検証で128スレッドまで線形にスケール 容易なスケールアウト インデックス作成、検索用ノードを無停止で追加 高い信頼性 カスタマイズ可能なランキング機能 用途 Web検索、サイト内検索、ブログ検索 文献検索 テキストマイニング 10
  • 11. 検索 Sedue 24 最新バージョンでSSDに対応! SSD向けに最適化された新しいインデックスエンジ ンを搭載 インデックスをSSD上に配置 SSDの特性やシステムバランスを考慮し、SSD の性能をフル活用 数100GBのデータの高速検索を1台のPCサー バーで実現 デモサイト 全言語のWikipedia(約50GB)を一括検索 http://demo.sedue.org/wikipediasearch/ 11
  • 12. 検索 Sedue 24導入事例 国内第3位のモバイル(携帯電話)向け検索 ポータルサイト 月間ユニークユーザー数 400万人 モバイルサイトの検索エンジンのバックエン ドとしてSedue 24を導入 12
  • 13. 検索 Sedue 24導入事例 国内最大のソーシャルブックマークサービス 登録ユーザー数 21万6千人 月間ユニークユーザー数 350万人 1日当たり790万ページビュー ブックマークされたURL 1160万件 検索対象HTMLデータ量(タグ除去後) 50GB ブックマーク数 3400万件 タグ数 4000万件 ブックマークされたWebページの全文検索 エンジンとしてSedue 24を採用 13
  • 14. 検索 Sedue 24導入事例 Sedue 24による全文検索 14
  • 15. 検索 Sedue Flex 高速な曖昧全文検索 Sedue 24の完全マッチング技術を曖昧検索に拡張 ミスマッチ(一部が異なる)やギャップ(一部が欠落 or 挿 入)の許容 最新のアルゴリズムによる超高速処理 10%~20%の誤り許容で、ギガバイト級のデータを数 ミリ~数秒で検索 オプションのSedue Flex Plusを使うと、より多くのメモ リを利用することで、10倍~30倍の高速化 用途 ゲノム解析(BLASTより高精度で数倍~数100倍高速) ノイズを含むデータの解析(音声、動画など) 導入事例 大学系研究機関 医科系大学 15
  • 16. 検索 推薦 reflexa 連想検索エンジン ある単語から連想される単語を検索 適切なキーワードが思いつかない 探したい情報が何なのか明確でない 大量の文書を自動分析、単語間の関連度を高精度に計算 関連度情報は圧縮してメモリ上に保持し高速検索 単語以外の連想にも応用可能 購買履歴 → お勧め商品 Web閲覧履歴 → お勧めWebページ 用途 百科事典 ブレーンストーミングツール デモサイト http://labs.preferred.jp/reflexa/ 16
  • 17. 検索 推薦 reflexa導入事例 メディアインデックス社の横断型ブログ 足跡システム「あし@」の、類似性の高 いブログをレコメンドする「連想レコメン ド」機能 はてなブックマークの「関連エントリー表 示機能」。 タグ情報を元に類似のWebページをお 勧め。 17
  • 18. 検索 推薦 reflexa導入事例 Sedue 24による 全文検索 reflexaによる 関連エントリー検索 18
  • 19. 推薦 Hotate 関連記事推薦エンジン 関連する文章を高速かつ高精度に検索 月間数千万アクセスを1台で処理可能 キーワードの自動抽出と高速なインデクシング 約2万記事のインデックス作成 ⇒ 10秒以内 容易なチューニング 関連度を示すスコアと、関連キーワードの表示 関連付けのマニュアル調整 • 訃報にお祭りの記事が関連付けられるのはNG 用途 ニュースサイト 文献検索 19
  • 20. 推薦 Hotate導入事例 朝日新聞社の公式ニュースサイト 月間ユニークユーザー数 1050万人 月間4000万ページビュー 1万2000記事 Hotateを利用して、関連記事を表示する「こ んな記事も」を実現 20
  • 21. 推薦 Hotate導入事例 Hotateによる関連記事の 抽出 過去記事に対する 最新記事の関連付け 関連記事 21
  • 22. 推薦 Hotate導入事例 日経BP社のIT専門情報サイト 月間2000万ページビュー Hotateを利用して、関連記事を表示する「 ITproレコメンド」を実現 Amazon EC2で構築 “Large Instance”($0.4 / hour) 2ECU×2コア (1ECU≒Intel Xeon 1.0~1.2GHz) メモリ: 7.5GB HDD: 850GB OS: Fedora Core 6 (x86_64) 詳細は「実践! Amazon EC2」 http://itpro.nikkeibp.co.jp/article/COLUMN/20080925/3 15456/?ST=itproexpo 22
  • 23. 推薦 大鷹 大規模レコメンド・レイティング予測エンジン ユーザーからのフィードバックを加味したレコメンド ユーザーの好みとアイテムの特徴を分析し、ユー ザーが高く評価しそうなアイテムを予測 協調フィルタリングの一種 数百万単位のユーザー、アイテムを処理可能 用途 ECサイト:商品レコメンドサービス 口コミ、CGM系サービス:アイテム推薦機能 23
  • 24. 広告配信 UbiMatch モバイル向けアドネットワーク 自動的な広告配信の最適化 コンテンツベースの最適化と、行動履歴・ユーザー プロファイル等によるパーソナライズ Preferred Infrastructureの持つ検索、レコメンド、 機械学習技術を応用 広告・サイトに対する厳しい審査基準 → 安心 ユーザープライバシーの保護 ビジネスモデル 自社サービス運営 システムのOEM提供 24
  • 25. 広告配信 UbiMatch –システムモデル 25

Editor's Notes

  1. <number>
  2. <number>
  3. <number>
  4. <number>
  5. <number>
  6. <number>
  7. <number>
  8. <number>
  9. <number>
  10. <number>
  11. <number>
  12. <number>
  13. <number>
  14. <number>
  15. <number>
  16. <number>
  17. <number>
  18. <number>
  19. <number>
  20. <number>
  21. <number>
  22. <number>
  23. <number>