Successfully reported this slideshow.
We use your LinkedIn profile and activity data to personalize ads and to show you more relevant ads. You can change your ad preferences anytime.
Copyright (c) 2015 NEXTSCAPE INC. All rights reserved.
AzureMLによるレコメンデーションの設計&実装を公開!
~朝日カルチャーセンターの事例から~
株式会社ネクストスケープ 上坂貴志
...
2
本日の趣旨
話題沸騰の機械学習(Azure Machine Learning)
活用例がまだまだ少ない・・・なぜ?
どのモデルを使うのかわからない
モデルの使いかたがわからない
実際にシステムとしてどうやって組み込む?
どのモデルを使えばいいの?
AzureML(機械学習)
教師あり 教師なし
分類 回帰 レコメンド クラスタリング
2項分類 多項分類 アイテムとユーザ
ーベースで推薦
数値計算式 正解が無い中で
グループ分け
(男か女か) (10代/20代/...
4
チートシートの利用して最適なモデルを特定
4つの大分類⇒どのモデルが適用できるか
Azure ドキュメントに掲載
5
チートシートの利用して最適なモデルを特定
4つの大分類⇒どのモデルが適用できるか
Azure ドキュメントに掲載
すべてのモデルを把握するのは大変!
アクセスログからレコメンデーションを実際にやってみる
6
本日の機械学習のゴールは
どのモデルを使うのかわからない
モデルの使いかたがわからない
実際にシステムとしてどうやって組み込む?
ということは?
アクセスログからレコメンデーションを実際にやってみる
7
本日の機械学習のゴールは
どのモデルを使うのかわからない
モデルの使いかたがわからない
実際にシステムとしてどうやって組み込む?
マッチボックスレコメンダー
使い方を解説
システム設計を...
8
本日紹介する事例
2015/4/20 日経産業新聞に紹介されました
1訪問あたりの講座閲覧数が10%UP
【導入後の効果】
機械学習のコストはわずか1000円強/月
名前:上坂貴志(うえさかたかし)
年齢:43歳
好き・興味あり:C#、アーキテクチャ、DDD(好きな人、ぜひお話ししましょう)
講演活動
・CloudDays2015東京・大阪 登壇
・Developers Summit 2015 登壇
・Mi...
Copyright (c) 2015 NEXTSCAPE INC. All rights reserved.
朝日カルチャーセンター様
機械学習による講座リコメンデーション
10
 1964年にオープンの日本最大級の生涯学習センター(朝日新聞社の文化活動)
 2009年よりJTB社が資本参加
 圧倒的講座数(全国で約10,000講座、教養、語学、趣味、健康など)
 さまざまな実績をもつ一流講師多数
 拠点:札幌...
12
機械学習による講座のレコメンデーション
[講座詳細ページ]
講座の閲覧履歴に応じて、
関係性がある講座を
レコメンド表示
【レコメンド例】
「フレーバーソフトでダイエットしたい」
に興味ある方に「花の文学散歩」と「イキ
イキメイク術」等を...
行動履歴を機械学習で分析し、最適な関連講座を表示
13
機械学習によるレコメンデーションの概要
3.最適な講座を発見2.クラウドに蓄積
閲覧者
Microsoft Azure
AzureML
1.講座閲覧履歴を保存
DBWebサイト
4.閲覧履...
こんな形でもらえれば、後は画面に表示するだけ
14
Azure ML からほしいレコメンデーションの最終結果は?
レコメンド講座情報
講座No レコメンド1 レコメンド2 レコメンド3
A001 S5153 C1487 N8231
A002 G...
Copyright (c) 2015 NEXTSCAPE INC. All rights reserved.
Azure ML によるレコメンデーション
15
16
マッチボックスレコメンダーの概要
②ユーザー情報
UserNo 住所 年齢
1 兵庫県 30
2 東京都 40
3 愛媛県 23
4 青森県 40
③アイテム情報①評価
ItemNo 価格 ジャンル
A001 2000 生活
A002 1...
17
朝日カルチャー様向けのレコメンダーの使い方
アクセスログ
User URL 滞在時間
1 /講座/A001 5
1 /講座/A002 30
2 /講座/A002 25
2 /講座/A003 6
講座情報
①評価
講座No ジャンル
A00...
18
朝日カルチャー様向けのレコメンダーの使い方
講座No ジャンル
A001 生活
A002 音楽
A003 体操
A004 手芸
イ
ン
プ
ッ
ト
ア
ウ
ト
プ
ッ
ト
User URL 評価
1 /講座/A001 1
1 /講座/A0...
19
アクセスログにポイントがある
UserNo アクセスパス 滞在時間
1 /講座/A001 5
1 /講座/A002 30
2 /講座/A002 25
2 /講座/A003 6
アクセスログ
同一ユーザー
のアクセス
In / Outか
ら...
デジタルマーケティングCMSオープンソースCMS
国内データセンター
2014年以前
20
Webサイトの変更
• ハードが古くなった
• Webサイトが安定しない
• 拡張が困難
2015年 サイトリニューアル後
• クラウドによる最新基盤
...
21
機械学習による自動レコメンデーション全体像
Webサイ
ト閲覧
Experiment
Web
Service利用者
Azure Virtual Machine
3.
6.
SQL Server
(閲覧データ)
SQL Server
(コン...
Copyright (c) 2015 NEXTSCAPE INC. All rights reserved.
さいごに
22
23
ノウハウを公開することの意味
モデルの使い方 いずれみんな把握
システム設計 いずれみんな同じ
だったらなるべく早く公開して共有
使い方じゃない 価値の創出
一緒に価値を生み出していく仲間を募集中!
24
25
後で声かけてください!
ありがとうございました!
~お客様のビジョンに共感し、感動を実現します~
Upcoming SlideShare
Loading in …5
×

Azure Machine Learningによるレコメンデーションの設計&実装を公開!~朝日カルチャーセンターの事例から~

3,654 views

Published on

Azure Machine Learningを用いた実際のシステム内部の設計を公開しています。

Published in: Technology
  • Be the first to comment

Azure Machine Learningによるレコメンデーションの設計&実装を公開!~朝日カルチャーセンターの事例から~

  1. 1. Copyright (c) 2015 NEXTSCAPE INC. All rights reserved. AzureMLによるレコメンデーションの設計&実装を公開! ~朝日カルチャーセンターの事例から~ 株式会社ネクストスケープ 上坂貴志 2015.08.08 1
  2. 2. 2 本日の趣旨 話題沸騰の機械学習(Azure Machine Learning) 活用例がまだまだ少ない・・・なぜ? どのモデルを使うのかわからない モデルの使いかたがわからない 実際にシステムとしてどうやって組み込む?
  3. 3. どのモデルを使えばいいの? AzureML(機械学習) 教師あり 教師なし 分類 回帰 レコメンド クラスタリング 2項分類 多項分類 アイテムとユーザ ーベースで推薦 数値計算式 正解が無い中で グループ分け (男か女か) (10代/20代/ 30代/40代か) (売上予測) (正解データを元に) (正解データなし) まずは大雑把に分類
  4. 4. 4 チートシートの利用して最適なモデルを特定 4つの大分類⇒どのモデルが適用できるか Azure ドキュメントに掲載
  5. 5. 5 チートシートの利用して最適なモデルを特定 4つの大分類⇒どのモデルが適用できるか Azure ドキュメントに掲載 すべてのモデルを把握するのは大変!
  6. 6. アクセスログからレコメンデーションを実際にやってみる 6 本日の機械学習のゴールは どのモデルを使うのかわからない モデルの使いかたがわからない 実際にシステムとしてどうやって組み込む? ということは?
  7. 7. アクセスログからレコメンデーションを実際にやってみる 7 本日の機械学習のゴールは どのモデルを使うのかわからない モデルの使いかたがわからない 実際にシステムとしてどうやって組み込む? マッチボックスレコメンダー 使い方を解説 システム設計を公開! ということは?
  8. 8. 8 本日紹介する事例 2015/4/20 日経産業新聞に紹介されました 1訪問あたりの講座閲覧数が10%UP 【導入後の効果】 機械学習のコストはわずか1000円強/月
  9. 9. 名前:上坂貴志(うえさかたかし) 年齢:43歳 好き・興味あり:C#、アーキテクチャ、DDD(好きな人、ぜひお話ししましょう) 講演活動 ・CloudDays2015東京・大阪 登壇 ・Developers Summit 2015 登壇 ・Microsoft Cloud & Solutions 2014 登壇 ・Developers Summit2014夏 EnterpriseTED 登壇 執筆活動 ・CodeZine:チーム開発環境をワンストップで構築しよう~Visual Studio Online~ ・InfoQ:.NETでドメイン駆動開発~ValueObject前編 後編~ ・Build Insider: Moq & Fakes Frameworkを使った実践的ユニットテスト 9 自己紹介
  10. 10. Copyright (c) 2015 NEXTSCAPE INC. All rights reserved. 朝日カルチャーセンター様 機械学習による講座リコメンデーション 10
  11. 11.  1964年にオープンの日本最大級の生涯学習センター(朝日新聞社の文化活動)  2009年よりJTB社が資本参加  圧倒的講座数(全国で約10,000講座、教養、語学、趣味、健康など)  さまざまな実績をもつ一流講師多数  拠点:札幌、新宿、立川、横浜、湘南(藤沢)、名古屋、中之島、くずは、芦屋 、川西、京都、北九州、福岡(13教室) 11 朝日カルチャーセンター様について 朝日カルチャーセンターWebキャラクター「かるかる」
  12. 12. 12 機械学習による講座のレコメンデーション [講座詳細ページ] 講座の閲覧履歴に応じて、 関係性がある講座を レコメンド表示 【レコメンド例】 「フレーバーソフトでダイエットしたい」 に興味ある方に「花の文学散歩」と「イキ イキメイク術」等をリコメンド →美しくなりたい女性像のイメージ 「鉄道写真」に興味ある方に「デジタルカ メラ」と「アニメを読む 」等をリコメンド →趣味に熱中する男性像のイメージ
  13. 13. 行動履歴を機械学習で分析し、最適な関連講座を表示 13 機械学習によるレコメンデーションの概要 3.最適な講座を発見2.クラウドに蓄積 閲覧者 Microsoft Azure AzureML 1.講座閲覧履歴を保存 DBWebサイト 4.閲覧履歴に基づいた講座の リコメンデーションを表示
  14. 14. こんな形でもらえれば、後は画面に表示するだけ 14 Azure ML からほしいレコメンデーションの最終結果は? レコメンド講座情報 講座No レコメンド1 レコメンド2 レコメンド3 A001 S5153 C1487 N8231 A002 G0461 P0262 Y6366 A003 B9175 D9201 B3793 A004 X0258 K2418 J5138
  15. 15. Copyright (c) 2015 NEXTSCAPE INC. All rights reserved. Azure ML によるレコメンデーション 15
  16. 16. 16 マッチボックスレコメンダーの概要 ②ユーザー情報 UserNo 住所 年齢 1 兵庫県 30 2 東京都 40 3 愛媛県 23 4 青森県 40 ③アイテム情報①評価 ItemNo 価格 ジャンル A001 2000 生活 A002 1000 趣味 A003 500 生活 A004 8000 電化 UserNo ItemNo 評価 1 A001 10 1 A003 1 2 A001 8 2 A002 7 ユーザーの アイテムに対する レート予測 ユーザーに アイテムを レコメンド ユーザーに 類似ユーザーを レコメンド アイテムに 類似アイテムを レコメンド イ ン プ ッ ト ア ウ ト プ ッ ト (Option) (Option)
  17. 17. 17 朝日カルチャー様向けのレコメンダーの使い方 アクセスログ User URL 滞在時間 1 /講座/A001 5 1 /講座/A002 30 2 /講座/A002 25 2 /講座/A003 6 講座情報 ①評価 講座No ジャンル A001 生活 A002 音楽 A003 体操 A004 手芸 加工 イ ン プ ッ ト 講座No ジャンル A001 生活 A002 音楽 A003 体操 A004 手芸 ③アイテム情報 UserNo URL 評価 1 /講座/A001 1 1 /講座/A002 7 2 /講座/A002 7 2 /講座/A003 2 M L 用 に 加 工 済 み そのまま Apply SQL Transformationモ ジュールがお勧め!
  18. 18. 18 朝日カルチャー様向けのレコメンダーの使い方 講座No ジャンル A001 生活 A002 音楽 A003 体操 A004 手芸 イ ン プ ッ ト ア ウ ト プ ッ ト User URL 評価 1 /講座/A001 1 1 /講座/A002 7 2 /講座/A002 7 2 /講座/A003 2 なし (匿名ユーザーの ため情報がない) ②ユーザー情報 ③アイテム情報①評価 (Option) (Option) ユーザーの アイテムに対する レート予測 ユーザーに アイテムを レコメンド ユーザーに 類似ユーザーを レコメンド アイテムに 類似アイテムを レコメンド
  19. 19. 19 アクセスログにポイントがある UserNo アクセスパス 滞在時間 1 /講座/A001 5 1 /講座/A002 30 2 /講座/A002 25 2 /講座/A003 6 アクセスログ 同一ユーザー のアクセス In / Outか ら求める どう見ても普通のログじゃない
  20. 20. デジタルマーケティングCMSオープンソースCMS 国内データセンター 2014年以前 20 Webサイトの変更 • ハードが古くなった • Webサイトが安定しない • 拡張が困難 2015年 サイトリニューアル後 • クラウドによる最新基盤 • 高機能CMSの導入による安定化 • システムの拡張が柔軟 クラウド環境 CMS界の 世界的「リーダー」
  21. 21. 21 機械学習による自動レコメンデーション全体像 Webサイ ト閲覧 Experiment Web Service利用者 Azure Virtual Machine 3. 6. SQL Server (閲覧データ) SQL Server (コンテンツ データ) 2.蓄積 1.閲覧 6.反映 3.転送 4.計算 5.取得 バッチ処理 (夜間) ・AzureMLによって出 力された計算結果ファ イルを取得しWebサイ トに反映 7.新しい体験 Azure Storage (Blob) Azure ML Azure Storage (Blob) どのユーザーが 「いつ」「どのページ」「どのくらい」 閲覧したかを蓄積 最適なリコメンドデータを コンテンツDBに反映 ・DBから必要なデータ を抽出し、 AzureStorageに登録 ・AzureMLのバッチ用 Webサービスを起動
  22. 22. Copyright (c) 2015 NEXTSCAPE INC. All rights reserved. さいごに 22
  23. 23. 23 ノウハウを公開することの意味 モデルの使い方 いずれみんな把握 システム設計 いずれみんな同じ だったらなるべく早く公開して共有 使い方じゃない 価値の創出
  24. 24. 一緒に価値を生み出していく仲間を募集中! 24
  25. 25. 25 後で声かけてください! ありがとうございました! ~お客様のビジョンに共感し、感動を実現します~

×