SlideShare une entreprise Scribd logo
) / ) / . ) / ) /
5 @T 8
: / . () ./ / ) / 11 / .
I : 23 22 1( )2 / 0 / 0
I :
) 2/ )2/ . ) 2/ )2/ 2
•
•
•
•
: / . () ./ / )2/ / .
) / ) / 3 . ) / ) /: / . () ./ / ) / / .
) / ) / 4 . ) / ) / 4
• G
4 : / . () ./ / ) / / .
G
A A G
G
g eA
e
a G
G
:) ) 5 : :: :) )/ : () ) / :
C
C
C ) ): . : 5/ A C 5: 5: ) . : 5/
AB
AB
B
AB
AB
AB
C
AB
C
) / ) / . ) / ) /
C
•
:6/ . () ./ / ) / 6/ . 6 6
A
M T
A
) / ) / 7 . ) / ) /
• a EA
: / . () 7./ / ) / / . 7 7
A
a
a c a C A
a
. a E
8) / ) / 8 .88 8) / ) /
• ( ) 
•
• A E D 
: / .8 () ./ / ) / / .8
C B
( )
 EF
) / ) / . ) / ) /
• A
•
• A A
• A A
: / . () ./ / ) / / . 9
E D
A B A

C F
1 01 0 / 1 01 0
• C A
•
• ( ( , ( DE C B
0./ ) 1 /0 (01 0 0./ :
P DF
F A
)

B
) / ) / . ) / ) /
• (
: / . () ./ / ) / 11 / .
U IK
U IK
A C
I
K
)
K
K
P P
K
K
1 1 / 1 1
•
./ ) 1 / ( 1 22 ./ :
MA C
/ / A : / / :
• B O U 8 E T 8
: 3 / / 3 1
E T
h m: 8
B
CI
D
i
B O U
M IC )( L)( D )( / 3 )(
6
M / 3 )( D )( .
/ 2 6 0 1
6
e
1 1 4 / 1 1./ ) 1 / ( 1 ./ :
1 1 5 / 1 1 5
•
•
5 ./ ) 1 / ( 1 ./ :
MA C
1 1 / 6 1 1
( )
6 ./ ) 1 / ( 1 ./ :
2 3
15
5
0
C A
0
1 1 / 1 1
( )
•
•
7 ./ ) 1 / ( 1 7 ./ 7 7:
1 1 8 / 1 1
1 ( )
./ ) 1 8/ ( 1 ./ 8 8 :
8
8 8
C A
i 8
n
n
n
n
n
m
oel
( )
n 9 n
m oel ac
oel 13 0 3 . 2 45 oel ac
9 1 1 9 /99 9 1 1
2 ( )
./9 ) 1 / ( 1 ./9 :
9
9 5 5
C A
,
.
8
1 7
4
8 4203
0 0 / 0 0
3( )
0./ ) /0 (0 0 22 0./ :
7 7
C A
C A
7
7
34250.9 15
8 0
1 1 / 1 1./ ) 1 / ( 1 22 ./ :
b :
b : X ,
C A
,
a
: 2. 2 :. :: : 2. 2
• U O : 0
2
• 8 :/
/ : 2. ) 2 / : . . .
I T O
O 0 U O 1 6
I ( ( ACD( 2 / (
:/
8 :/
3 3 / 3 3 3./ ) / ( 3 22 ./ :
4 /
•
•
./ ) / ( 22 ./ :
MA C
5 / 55 ./ ) / ( 22 ./ :
B ?
B ? E A
CD CD
CD
/ 6
• p ) d c
n c
• e p ( 1/0 1 d f dc
n c
• X e p p
d f c = i c r C <
X d f dc d c
X d f dc d c
X d f dc d c
:X = > i d d= c
6 ./ ) / ( 22 ./ :
S S Yu
S S Yu to
/7 ./ ) / ( 22 7 ./ 7 7:
C
C X AC
S YS ()
|X  Y |
|A|
|X  Y |
|X|
8 /./ ) 8/ ( 22 ./ 8 8 :
X
X /
:
A
|XY |
|X|
|Y |
|A|
X
XY
9 9 /99 9
•
•
o
• o i r
• o p
r
• o p
r
• o p
r
./9 ) / ( 22 ./9 :
A
o
30 30 / 30 30 30./ ) /0 (0 30 0./ :
>
>
• B C
AE C- AE C, D
AE C- AE C, D
C
1 3 1 3 / 1 3 1 3 3./ ) 1 / ( 1 3 ./ :
A C
A C B
• 3 6: AB 2 >
0 , -1 0 1
0- . /1 0, .1
0, - .1 0 1
AB
,
-
.
/
AB
,
-
.
/
, - . , .
AB = ED ED
3 3 / 3 3 3./ ) / ( 3 22 ./ :
C
• > CDA6 C C C
D = 3 CFC
> 1, - .2 1 , .2C D =B
,
, ,
, .
-
- ,
- .
.
. ,
. .
C , - . . . . 0:
E
1 , -2 1 2
1- . /2 1, .2
1, - .2 1 2
) / ) / 3 . ) / ) /: / . () ./ / ) / / .
B D2
B D2 C 2
• : 3 BC 5 BC
A 0 > A 6
• : 3 BC 5 BC
A 7
-
.
. -
. /
/
/ -
/ /
-
.
. -
. /
/
/ -
/ /
1 BC A =
BC A =
BC
3 3 4 / 3 3 3
• 6 1 6 06 5 ,
3 6 B
./ ) / ( 3 ./ :
CA.C
CA.C 6 .D
M C C A
%
% %
% %
% %
, 3
1 B
6 7, %
1 B
3 3 5 / 3 3 53
• 1 4 0 2 2 1 0
1 1 0 xge r su l
c
• h n A J M Z aAD
m
5 ./ ) / ( 3 ./ :
k it FG f d D

Contenu connexe

Tendances

PyCon2020 Pythonで競プロをしよう! 〜入門者が知っておくべき高速化Tips〜
PyCon2020 Pythonで競プロをしよう! 〜入門者が知っておくべき高速化Tips〜PyCon2020 Pythonで競プロをしよう! 〜入門者が知っておくべき高速化Tips〜
PyCon2020 Pythonで競プロをしよう! 〜入門者が知っておくべき高速化Tips〜
Kosaku Ono
 
「データサイエンティスト・ブーム」後の企業におけるデータ分析者像を探る
「データサイエンティスト・ブーム」後の企業におけるデータ分析者像を探る「データサイエンティスト・ブーム」後の企業におけるデータ分析者像を探る
「データサイエンティスト・ブーム」後の企業におけるデータ分析者像を探る
Takashi J OZAKI
 

Tendances (20)

PyCon2020 Pythonで競プロをしよう! 〜入門者が知っておくべき高速化Tips〜
PyCon2020 Pythonで競プロをしよう! 〜入門者が知っておくべき高速化Tips〜PyCon2020 Pythonで競プロをしよう! 〜入門者が知っておくべき高速化Tips〜
PyCon2020 Pythonで競プロをしよう! 〜入門者が知っておくべき高速化Tips〜
 
AbemaTVにおける推薦システム
AbemaTVにおける推薦システムAbemaTVにおける推薦システム
AbemaTVにおける推薦システム
 
優れた研究論文の書き方
優れた研究論文の書き方優れた研究論文の書き方
優れた研究論文の書き方
 
AHC-Lab M1勉強会 論文の読み方・書き方
AHC-Lab M1勉強会 論文の読み方・書き方AHC-Lab M1勉強会 論文の読み方・書き方
AHC-Lab M1勉強会 論文の読み方・書き方
 
深層学習による自然言語処理入門: word2vecからBERT, GPT-3まで
深層学習による自然言語処理入門: word2vecからBERT, GPT-3まで深層学習による自然言語処理入門: word2vecからBERT, GPT-3まで
深層学習による自然言語処理入門: word2vecからBERT, GPT-3まで
 
【DL輪読会】Scaling Laws for Neural Language Models
【DL輪読会】Scaling Laws for Neural Language Models【DL輪読会】Scaling Laws for Neural Language Models
【DL輪読会】Scaling Laws for Neural Language Models
 
因果推論の奥へ: "What works" meets "why it works"
因果推論の奥へ: "What works" meets "why it works"因果推論の奥へ: "What works" meets "why it works"
因果推論の奥へ: "What works" meets "why it works"
 
「データサイエンティスト・ブーム」後の企業におけるデータ分析者像を探る
「データサイエンティスト・ブーム」後の企業におけるデータ分析者像を探る「データサイエンティスト・ブーム」後の企業におけるデータ分析者像を探る
「データサイエンティスト・ブーム」後の企業におけるデータ分析者像を探る
 
時系列ビッグデータの特徴自動抽出とリアルタイム将来予測(第9回ステアラボ人工知能セミナー)
時系列ビッグデータの特徴自動抽出とリアルタイム将来予測(第9回ステアラボ人工知能セミナー)時系列ビッグデータの特徴自動抽出とリアルタイム将来予測(第9回ステアラボ人工知能セミナー)
時系列ビッグデータの特徴自動抽出とリアルタイム将来予測(第9回ステアラボ人工知能セミナー)
 
トップカンファレンスへの論文採択に向けて(AI研究分野版)/ Toward paper acceptance at top conferences (AI...
トップカンファレンスへの論文採択に向けて(AI研究分野版)/ Toward paper acceptance at top conferences (AI...トップカンファレンスへの論文採択に向けて(AI研究分野版)/ Toward paper acceptance at top conferences (AI...
トップカンファレンスへの論文採択に向けて(AI研究分野版)/ Toward paper acceptance at top conferences (AI...
 
[part 2]ナレッジグラフ推論チャレンジ・Tech Live!
[part 2]ナレッジグラフ推論チャレンジ・Tech Live![part 2]ナレッジグラフ推論チャレンジ・Tech Live!
[part 2]ナレッジグラフ推論チャレンジ・Tech Live!
 
ナレッジグラフとオントロジー
ナレッジグラフとオントロジーナレッジグラフとオントロジー
ナレッジグラフとオントロジー
 
オントロジーとは?
オントロジーとは?オントロジーとは?
オントロジーとは?
 
推薦アルゴリズムの今までとこれから
推薦アルゴリズムの今までとこれから推薦アルゴリズムの今までとこれから
推薦アルゴリズムの今までとこれから
 
【メタサーベイ】基盤モデル / Foundation Models
【メタサーベイ】基盤モデル / Foundation Models【メタサーベイ】基盤モデル / Foundation Models
【メタサーベイ】基盤モデル / Foundation Models
 
5分でわかるブロックチェーンの基本的な仕組み
5分でわかるブロックチェーンの基本的な仕組み5分でわかるブロックチェーンの基本的な仕組み
5分でわかるブロックチェーンの基本的な仕組み
 
数学カフェ 確率・統計・機械学習回 「速習 確率・統計」
数学カフェ 確率・統計・機械学習回 「速習 確率・統計」数学カフェ 確率・統計・機械学習回 「速習 確率・統計」
数学カフェ 確率・統計・機械学習回 「速習 確率・統計」
 
グラフ構造のデータモデルをPower BIで可視化してみた
グラフ構造のデータモデルをPower BIで可視化してみたグラフ構造のデータモデルをPower BIで可視化してみた
グラフ構造のデータモデルをPower BIで可視化してみた
 
楽しい研究のために今からできること 〜新しく研究を始める皆さんへ〜
楽しい研究のために今からできること 〜新しく研究を始める皆さんへ〜楽しい研究のために今からできること 〜新しく研究を始める皆さんへ〜
楽しい研究のために今からできること 〜新しく研究を始める皆さんへ〜
 
[論文解説]KGAT:Knowledge Graph Attention Network for Recommendation
[論文解説]KGAT:Knowledge Graph Attention Network for Recommendation[論文解説]KGAT:Knowledge Graph Attention Network for Recommendation
[論文解説]KGAT:Knowledge Graph Attention Network for Recommendation
 

Similaire à 協調フィルタリング・アソシエーション分析によるレコメンド手法の紹介

Similaire à 協調フィルタリング・アソシエーション分析によるレコメンド手法の紹介 (20)

IoTでの機械学習活用イメージと強化学習のご紹介
IoTでの機械学習活用イメージと強化学習のご紹介IoTでの機械学習活用イメージと強化学習のご紹介
IoTでの機械学習活用イメージと強化学習のご紹介
 
LINEでのモバイルアプリ開発
LINEでのモバイルアプリ開発LINEでのモバイルアプリ開発
LINEでのモバイルアプリ開発
 
アジャイル開発を円滑に進めるVisual Studio App Center
アジャイル開発を円滑に進めるVisual Studio App Centerアジャイル開発を円滑に進めるVisual Studio App Center
アジャイル開発を円滑に進めるVisual Studio App Center
 
모두를 위한 PG여행 가이드
모두를 위한 PG여행 가이드모두를 위한 PG여행 가이드
모두를 위한 PG여행 가이드
 
Initiative for IPv6 Based Internet in Japan
Initiative for IPv6 Based Internet in JapanInitiative for IPv6 Based Internet in Japan
Initiative for IPv6 Based Internet in Japan
 
prop-120: Final /8 pool exhaustion plan
prop-120: Final /8 pool exhaustion planprop-120: Final /8 pool exhaustion plan
prop-120: Final /8 pool exhaustion plan
 
JAWS-UG OSAKA chime_and_connect_and_alexa
JAWS-UG OSAKA chime_and_connect_and_alexaJAWS-UG OSAKA chime_and_connect_and_alexa
JAWS-UG OSAKA chime_and_connect_and_alexa
 
ソフトウェア開発における産学協創フォーラム オープニング資料
ソフトウェア開発における産学協創フォーラム オープニング資料ソフトウェア開発における産学協創フォーラム オープニング資料
ソフトウェア開発における産学協創フォーラム オープニング資料
 
LINE APIで開発する価値
LINE APIで開発する価値LINE APIで開発する価値
LINE APIで開発する価値
 
Let's do Inverse RL
Let's do Inverse RLLet's do Inverse RL
Let's do Inverse RL
 
What Happened with Content Blocking in Japan in 2018
What Happened with Content Blocking in Japan in 2018What Happened with Content Blocking in Japan in 2018
What Happened with Content Blocking in Japan in 2018
 
Summary of the state of Java that will affect Scala-ers
Summary of the state of Java that will affect Scala-ersSummary of the state of Java that will affect Scala-ers
Summary of the state of Java that will affect Scala-ers
 
カメラキャリブレーション
カメラキャリブレーションカメラキャリブレーション
カメラキャリブレーション
 
[DL Hacks]Modeling Relational Data with Graph Convolutional Networks
[DL Hacks]Modeling Relational Data with Graph Convolutional Networks[DL Hacks]Modeling Relational Data with Graph Convolutional Networks
[DL Hacks]Modeling Relational Data with Graph Convolutional Networks
 
しろばこいろいろ
しろばこいろいろしろばこいろいろ
しろばこいろいろ
 
エンジニアと健康
エンジニアと健康エンジニアと健康
エンジニアと健康
 
Eclipse con france 2018 report
Eclipse con france 2018 reportEclipse con france 2018 report
Eclipse con france 2018 report
 
20190209 bayes modeling_s_pub
20190209 bayes modeling_s_pub20190209 bayes modeling_s_pub
20190209 bayes modeling_s_pub
 
ACDE DE TRAUMA.pdf
ACDE DE TRAUMA.pdfACDE DE TRAUMA.pdf
ACDE DE TRAUMA.pdf
 
ABC DEL TRAUMA.pdf
ABC DEL TRAUMA.pdfABC DEL TRAUMA.pdf
ABC DEL TRAUMA.pdf
 

Plus de Takeshi Mikami

Plus de Takeshi Mikami (20)

rdflintのvscode拡張の紹介とその実装方法
rdflintのvscode拡張の紹介とその実装方法rdflintのvscode拡張の紹介とその実装方法
rdflintのvscode拡張の紹介とその実装方法
 
適切なクラスタ数を機械的に求める手法の紹介
適切なクラスタ数を機械的に求める手法の紹介適切なクラスタ数を機械的に求める手法の紹介
適切なクラスタ数を機械的に求める手法の紹介
 
OAuth 2.0による認可の流れ
OAuth 2.0による認可の流れOAuth 2.0による認可の流れ
OAuth 2.0による認可の流れ
 
MapReduceによるConnected Components(連結成分)の見つけ方
MapReduceによるConnected Components(連結成分)の見つけ方MapReduceによるConnected Components(連結成分)の見つけ方
MapReduceによるConnected Components(連結成分)の見つけ方
 
RDFチェックツール「rdflint」のご紹介 (LODチャレンジ2019受賞作品紹介 基盤技術部門優秀賞)
RDFチェックツール「rdflint」のご紹介 (LODチャレンジ2019受賞作品紹介 基盤技術部門優秀賞)RDFチェックツール「rdflint」のご紹介 (LODチャレンジ2019受賞作品紹介 基盤技術部門優秀賞)
RDFチェックツール「rdflint」のご紹介 (LODチャレンジ2019受賞作品紹介 基盤技術部門優秀賞)
 
データサイエンスアイドル「小日向美穂」と考える「つながり」
データサイエンスアイドル「小日向美穂」と考える「つながり」データサイエンスアイドル「小日向美穂」と考える「つながり」
データサイエンスアイドル「小日向美穂」と考える「つながり」
 
RDFのチェックツール「rdflint」と コミュニティによるオープンデータの作成
RDFのチェックツール「rdflint」とコミュニティによるオープンデータの作成RDFのチェックツール「rdflint」とコミュニティによるオープンデータの作成
RDFのチェックツール「rdflint」と コミュニティによるオープンデータの作成
 
CircleCIを使ったSpringBoot/GAEアプリ開発の効率化ノウハウ
CircleCIを使ったSpringBoot/GAEアプリ開発の効率化ノウハウCircleCIを使ったSpringBoot/GAEアプリ開発の効率化ノウハウ
CircleCIを使ったSpringBoot/GAEアプリ開発の効率化ノウハウ
 
GitHubの機能を活用したGitHub Flowによる開発の進め方
GitHubの機能を活用したGitHub Flowによる開発の進め方GitHubの機能を活用したGitHub Flowによる開発の進め方
GitHubの機能を活用したGitHub Flowによる開発の進め方
 
HBase CompleteBulkLoadその仕組み&発生した問題
HBase CompleteBulkLoadその仕組み&発生した問題HBase CompleteBulkLoadその仕組み&発生した問題
HBase CompleteBulkLoadその仕組み&発生した問題
 
RDFチェックツール「rdflint」のご紹介
RDFチェックツール「rdflint」のご紹介RDFチェックツール「rdflint」のご紹介
RDFチェックツール「rdflint」のご紹介
 
アーリース情報技術株式会社 会社案内 (2019/02/13)
アーリース情報技術株式会社 会社案内 (2019/02/13)アーリース情報技術株式会社 会社案内 (2019/02/13)
アーリース情報技術株式会社 会社案内 (2019/02/13)
 
Spark MLlib ML Pipelines の概要 及びpysparkからの扱い方
Spark MLlib ML Pipelines の概要 及びpysparkからの扱い方Spark MLlib ML Pipelines の概要 及びpysparkからの扱い方
Spark MLlib ML Pipelines の概要 及びpysparkからの扱い方
 
SPARQL入門
SPARQL入門SPARQL入門
SPARQL入門
 
センサーによるデータ計測と異常検知の基本
センサーによるデータ計測と異常検知の基本センサーによるデータ計測と異常検知の基本
センサーによるデータ計測と異常検知の基本
 
Webサイトのアクセスログによるユーザー属性推定
Webサイトのアクセスログによるユーザー属性推定Webサイトのアクセスログによるユーザー属性推定
Webサイトのアクセスログによるユーザー属性推定
 
Google Cloud Dataflowによる データ変換処理入門
Google Cloud Dataflowによる データ変換処理入門Google Cloud Dataflowによる データ変換処理入門
Google Cloud Dataflowによる データ変換処理入門
 
SparkMLlibで始めるビッグデータを対象とした機械学習入門
SparkMLlibで始めるビッグデータを対象とした機械学習入門SparkMLlibで始めるビッグデータを対象とした機械学習入門
SparkMLlibで始めるビッグデータを対象とした機械学習入門
 
Ims@sparqlではじめるr markdownとgitbookによるレポート生成
Ims@sparqlではじめるr markdownとgitbookによるレポート生成Ims@sparqlではじめるr markdownとgitbookによるレポート生成
Ims@sparqlではじめるr markdownとgitbookによるレポート生成
 
担当アイドルに反応してLチカさせる予測モデル開発
担当アイドルに反応してLチカさせる予測モデル開発担当アイドルに反応してLチカさせる予測モデル開発
担当アイドルに反応してLチカさせる予測モデル開発
 

協調フィルタリング・アソシエーション分析によるレコメンド手法の紹介

  • 1. ) / ) / . ) / ) / 5 @T 8 : / . () ./ / ) / 11 / . I : 23 22 1( )2 / 0 / 0 I :
  • 2. ) 2/ )2/ . ) 2/ )2/ 2 • • • • : / . () ./ / )2/ / .
  • 3. ) / ) / 3 . ) / ) /: / . () ./ / ) / / .
  • 4. ) / ) / 4 . ) / ) / 4 • G 4 : / . () ./ / ) / / . G A A G G g eA e a G G
  • 5. :) ) 5 : :: :) )/ : () ) / : C C C ) ): . : 5/ A C 5: 5: ) . : 5/ AB AB B AB AB AB C AB C
  • 6. ) / ) / . ) / ) / C • :6/ . () ./ / ) / 6/ . 6 6 A M T A
  • 7. ) / ) / 7 . ) / ) / • a EA : / . () 7./ / ) / / . 7 7 A a a c a C A a . a E
  • 8. 8) / ) / 8 .88 8) / ) / • ( ) • • A E D : / .8 () ./ / ) / / .8 C B ( ) EF
  • 9. ) / ) / . ) / ) / • A • • A A • A A : / . () ./ / ) / / . 9 E D A B A C F
  • 10. 1 01 0 / 1 01 0 • C A • • ( ( , ( DE C B 0./ ) 1 /0 (01 0 0./ : P DF F A ) B
  • 11. ) / ) / . ) / ) / • ( : / . () ./ / ) / 11 / . U IK U IK A C I K ) K K P P K K
  • 12. 1 1 / 1 1 • ./ ) 1 / ( 1 22 ./ : MA C
  • 13. / / A : / / : • B O U 8 E T 8 : 3 / / 3 1 E T h m: 8 B CI D i B O U M IC )( L)( D )( / 3 )( 6 M / 3 )( D )( . / 2 6 0 1 6 e
  • 14. 1 1 4 / 1 1./ ) 1 / ( 1 ./ :
  • 15. 1 1 5 / 1 1 5 • • 5 ./ ) 1 / ( 1 ./ : MA C
  • 16. 1 1 / 6 1 1 ( ) 6 ./ ) 1 / ( 1 ./ : 2 3 15 5 0 C A 0
  • 17. 1 1 / 1 1 ( ) • • 7 ./ ) 1 / ( 1 7 ./ 7 7:
  • 18. 1 1 8 / 1 1 1 ( ) ./ ) 1 8/ ( 1 ./ 8 8 : 8 8 8 C A i 8 n n n n n m oel ( ) n 9 n m oel ac oel 13 0 3 . 2 45 oel ac
  • 19. 9 1 1 9 /99 9 1 1 2 ( ) ./9 ) 1 / ( 1 ./9 : 9 9 5 5 C A , . 8 1 7 4 8 4203
  • 20. 0 0 / 0 0 3( ) 0./ ) /0 (0 0 22 0./ : 7 7 C A C A 7 7 34250.9 15 8 0
  • 21. 1 1 / 1 1./ ) 1 / ( 1 22 ./ : b : b : X , C A , a
  • 22. : 2. 2 :. :: : 2. 2 • U O : 0 2 • 8 :/ / : 2. ) 2 / : . . . I T O O 0 U O 1 6 I ( ( ACD( 2 / ( :/ 8 :/
  • 23. 3 3 / 3 3 3./ ) / ( 3 22 ./ :
  • 24. 4 / • • ./ ) / ( 22 ./ : MA C
  • 25. 5 / 55 ./ ) / ( 22 ./ : B ? B ? E A CD CD CD
  • 26. / 6 • p ) d c n c • e p ( 1/0 1 d f dc n c • X e p p d f c = i c r C < X d f dc d c X d f dc d c X d f dc d c :X = > i d d= c 6 ./ ) / ( 22 ./ : S S Yu S S Yu to
  • 27. /7 ./ ) / ( 22 7 ./ 7 7: C C X AC S YS () |X Y | |A| |X Y | |X|
  • 28. 8 /./ ) 8/ ( 22 ./ 8 8 : X X / : A |XY | |X| |Y | |A| X XY
  • 29. 9 9 /99 9 • • o • o i r • o p r • o p r • o p r ./9 ) / ( 22 ./9 : A o
  • 30. 30 30 / 30 30 30./ ) /0 (0 30 0./ : > > • B C AE C- AE C, D AE C- AE C, D C
  • 31. 1 3 1 3 / 1 3 1 3 3./ ) 1 / ( 1 3 ./ : A C A C B • 3 6: AB 2 > 0 , -1 0 1 0- . /1 0, .1 0, - .1 0 1 AB , - . / AB , - . / , - . , . AB = ED ED
  • 32. 3 3 / 3 3 3./ ) / ( 3 22 ./ : C • > CDA6 C C C D = 3 CFC > 1, - .2 1 , .2C D =B , , , , . - - , - . . . , . . C , - . . . . 0: E 1 , -2 1 2 1- . /2 1, .2 1, - .2 1 2
  • 33. ) / ) / 3 . ) / ) /: / . () ./ / ) / / . B D2 B D2 C 2 • : 3 BC 5 BC A 0 > A 6 • : 3 BC 5 BC A 7 - . . - . / / / - / / - . . - . / / / - / / 1 BC A = BC A = BC
  • 34. 3 3 4 / 3 3 3 • 6 1 6 06 5 , 3 6 B ./ ) / ( 3 ./ : CA.C CA.C 6 .D M C C A % % % % % % % , 3 1 B 6 7, % 1 B
  • 35. 3 3 5 / 3 3 53 • 1 4 0 2 2 1 0 1 1 0 xge r su l c • h n A J M Z aAD m 5 ./ ) / ( 3 ./ : k it FG f d D