R-tech BDGにおける自然言語処理活動

(C) Recruit Technologies Co.,Ltd. All rights reserved.
R-tech BDGにおける
自然言語処理活動
Viviane Oliveira
R-tech ITソリューション統括部
ビッグデータ3G

BIG DATA Department自己紹介
2
氏名 Viviane Oliveira （ヴィヴィアネオリヴェイラ）
所属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3G
横断プロジェクト
略歴 2013年 Panasonic R&D新卒入社: 音声対話、自然言語処理
2015年2月 RTECH入社：データ分析、自然言語処理
学歴 2010年リオ・デ・ジャネイロ連邦大学を卒業（情報工学科）
2013年名工大大学院卒業（創成シミューレション工学専攻）
専門分野：音声認識・合成
趣味読書、外国語、映画鑑賞、旅行
出身リオ・デ・ジャネイロ、ブラジル

BIG DATA DepartmentRecruit’s Business Model
Recruit operates various matching business dominantly in Japan.
Matching
Business
HR
Bridal
Group
Buying
Used
Cars
Travel
Real
Estate
Beauty Gourmet
Social Games
E-Commerce
Ad Network
New Business
Consumers Enterprise

BIG DATA DepartmentThe Recruit Group
4
Infrastructure
Large project
promotions
UI design/SEO
Big Data
Department
Technology R&D
IT Promotion
Recruit Co., Ltd is a group business with 7 operation companies and 3 service companies
Recruit
Holdings
Recruit Career
Recruit Jobs
Recruit Staffing
Staff service Holdings
Recruit Sumai Company
Recruit Marketing Partners
Recruit Lifestyle
Recruit Technologies
Recruit Administration
Recruit Communications
Service
Operation

BIG DATA Departmentアジェンダ
1
２
３
４
プロジェクト紹介
本プロジェクトにおけるテキスト解析
本プロジェクトの結果
まとめと今後の取り組み

1.プロジェクト紹介

BIG DATA Departmentリーン方式のソリューション提供
7
構築する
計測する
学ぶ
アイデア
製品データ
フィード
バックに
かかる時間
を最小に
初期投資を低く抑え、最低限の機能を持った製品を作る。それ
を少数の顧客で試して反応を見る。

BIG DATA Department提供ソリューションの概要
雰囲気で検索
 こんなカスタマーを対象に：
 インタフェースが複雑すぎて、情報を絞り
きれていない
 既存の検索ツールで、欲しい情報にたどり
着けない
直感的なイメージキーワードを元にした情報検索の仕組みに
より離脱率低下と、アクション数向上を狙う。

BIG DATA DepartmentMVP概要
カーセンサーのスマホページに導入
9
第１層
トップページ
第２層
キーワード選択画面
第３層
タグ付け車種一覧

2.本プロジェクトにおける
テキスト解析

BIG DATA Departmentソリューション概念
 What：自動車を雰囲気で検索
 How：雰囲気KWを元に車種にTAG
 Method: 車種口コミのテキスト解析
 Data: CarSensorの車種口コミ
（2015年3月時点）
11

BIG DATA Department車種の口コミ（ドキュメント）分析
ドキュメントの単語頻度を確認し、車種
の特徴を表す人気なKWを抽出
12
1 3 5 7 9 11 13 15 17 19 21 23 25 27 29 31 33 35 37 39 41 43 45 47 49 51 53 55 57 59 61 63 65 67 69 71 73 75 77 79 81 83 85 87 89 91 93
DocumentFrequency
Words
スペック、見た目、コストに
関するKWが多い

BIG DATA Department車種のTAGGING手順
13
TF-IDFスコア
抽出
かかり受け
解析
前処理
極性確認 TAGつけ
文書分離
StopWordやsymbolの削除
形容詞グループ化
車種レビューごとの
重要単語を抽出（5-best ）
タッグの適切さを確認キーワードに関する
ネガティブ評価を確認
ルールベースのタッグつけ
車種口コミデータ

BIG DATA Department前処理
生のテキストデータをクリーニングし、
解析用の入力データを作成
1. 文書を分離
2. Stopwordやシンボルを削除
3. 形容詞のバリエーションをグループ化
例：かわいい、可愛い、可愛らしい等
14

BIG DATA DepartmentTF−IDFスコア抽出
Document＝車種口コミの内、重要で
ある単語＝キーワードを抽出
15
Term Frequency:
Inverse Document
Frequency:
TF-IDFのスコアから車種の雰囲気並び順を決定

BIG DATA DepartmentTAGの適切さ確認
例：広い
例1：室内空間が広いので、ファミリー向けの車だ
と思います。
例2：小回りが利いて荷室が広かったので街乗りよ
うにはちょうどいいと思います。
例３：車内はあまり広くないですが、それ以外は特
に問題はないのでいいと思います。
16
かかり受け解析から、TAGの適切さを決定
さらに、Pos,Negの極性でTAGの適切さを決定
対象外
→非常に適切
→適切

BIG DATA DepartmentTAGつけ手順（まとめ）
17
ドキュメントの5-bestリストに現れたキーワードを
タッグの対象とする
KWが含まれた文書を確認し、TAGの適切さを
確認全体の極性を計算
かかり受けで重みを決
定
TFIDFのスコアを元に最終スコアを算出
形容詞と名詞のみ
かわいい

3.本プロジェクトの結果

BIG DATA Department雰囲気キーワードランキングの例
19
かわいい車種ランキングカッコいい車種ランキング

BIG DATA Departmentキーワードごとの車種数
20
カッコいい広い懐かしい
KW 車種数
乗り心地いい 390
広い 390
カッコいい 231
おしゃれ２８９
パワフル１００
かわいい７９
速い 41
懐かしい 18
軽い 10
かわいい

4. まとめと今後の取り組み

BIG DATA Departmentまとめ
 自然言語処理のソリューションを事業
に導入した
 リーンスタートアップ形式のプロセスで、
ソリューションの影響を計測中
 曖昧なキーワードを用いることで検索が
できるため車種にTAGをつけた
 口コミデータを元にタッグを代表とした車種
を決定
22

BIG DATA Department今後の取り組み
 ユーザ属性の細かい調査を実施
 他事業展開
 TAGGINGの対象を変更し、反応を確認
 複雑なKWに対応（n-gramなど）
 TAGGINGの自動化
23

R-tech BDGにおける自然言語処理活動

More Related Content

What's hot

Similar to R-tech BDGにおける自然言語処理活動

More from Recruit Technologies

Recently uploaded

R-tech BDGにおける自然言語処理活動