Recommandé
Contenu connexe
Similaire à リアルタイムデータを活用したインターネットユーザーへのアプローチ
Similaire à リアルタイムデータを活用したインターネットユーザーへのアプローチ (20)
リアルタイムデータを活用したインターネットユーザーへのアプローチ
- 2. 2 10.7 の謝罪
- 5. 5 One to One 出典元 : http://gunosy.com
- 6. 6 Data 活用事例
- 9. 9 A. ラグビー W 杯 出典元 :http://cyclestyle.net/
- 10. 10 B. 火花 芥川賞 出典元 :http://www.itmedia.co.jp/
- 11. 11 C. Green500 で 1 位 出典元 :http://www.riken.jp/
- 12. 12 D. 福山ショック ... 出典元 :http://www.toushin-1.jp/
- 13. 13 A. ラグビー W 杯 1. 興味なし 2. テレビ観戦 3. 五郎丸？ 4.YAMAHA 5. バイク 6.TW225 Ad
- 14. 14
- 15. 15 脳内を Scan する ( したい )
- 16. 16 Communication
- 18. 18 RealTime の重要性
- 24. 24 顕在的 潜在的
- 27. 27 3 つの重要指標
- 30. 30 Awareness in-stream 引用 :http://shop-list.com/ 出典元 :http://youtube.com/
- 31. 31 Top, Detail, Cart ... Awareness 以降の話 出典元 :http://shop-list.com/ Recommend Engine Recency,Frequency
- 32. 32 EcoSystem Internet User Log Recommend Engine DataList Mail ・ Purchase Funnel ・ Recency ・ Frequency ・ Frequency
- 34. 34 Data Store Machine Learning ？ Result Reference
- 39. 39 出典元 1. : http://www.criteo.com/media/1036/cross-device-advertising-criteo-sep-2014.pdf 出典元 2. : http://adtruth.com Cross Browser/Device Solution
- 41. 41 KVS Data Structure { AEBE52E7-03EE-455A-B3C4-E57283966239 : { Gender : { 'Male' : 90, 'Female' : 10 } }, { Age : { '20-' : 80} }, { Interest : [ { 'WebTech' : 100 }, { 'Car' : 70} ] }, { Address : [ { '2015-12-09 20:00:00' : { 'ikebukuro' : 1 } }, …. ] }, { LatLng : [ {'2015-12-09 19:30:00' : { '35.729848, 139.711929': 1 } } …. ] }, { Query : [ {'2015-12-09 19:50:00' : { 'realtime': 2 } }, …. ] }, { PageView : [ {'2015-12-09 19:40:00' : '/acrovision': 3}, …. ] } } ※ モバイル広告 ID が Key の例
- 42. 42 ID Mapping { AEBE52E7-03EE-455A-B3C4-E57283966239 : => [ 139bfe7174713996c03f60fe795e1f1, b8dea6d7d3dd1b0e661dad8d77db0df, 0Eab762191fd7de880a0217a2ed5fa1, 7D2817304c3453b3e02c500f4135fb9, 5f1068e3956791873ecd289f87f831c ] } 双方向での紐付け ※ モバイル広告 ID が Key,Value は CookieID の配列
- 43. 43 EcoSystem Internet User Log Recommend Engine DataList Mail KVS DataStorage
- 45. 45
- 50. 50 条件付き確率 P( 男 | ガンダム ) = 0.8 P(20 代 | 新卒 ) = 0.6
- 51. 51 訓練 推定 評価
- 52. 52 正解 : {KW : 回数 } 男性 : { ガンダム : 5 , AC ミラン : 8 } 女性 : { 化粧水 : 2 , 日焼け止め : 7 } ・ ・ ・
- 53. 53 $nb = new NaiveBayes(); // iteration $nb->add_instance( 'label' => ' 正解 ', 'attributes' => 'KW : 回数 ' ); $nb->train();
- 54. 54 訓練 推定 評価
- 55. 55 未知 : {KW : 回数 } ？ : { ガンダム : 3 , シャア : 2 } ・ ・ ・
- 56. 56 // iteration $res = $nb->predict( 'attributes' => 'KW : 回数 ' ); foreach($res as $label => $p) { echo $label . "t" . $p . "n"; } // 男性 : 0.878 // 女性 : 0.122
- 57. 57 推定確率を KVS へ格納
- 58. 58 訓練 推定 評価
- 59. 59 Balance 精度 拡張量 { 精度 : 70%, 拡張量 : 30% 増 }
- 61. 61
- 64. 64 Term 直接的な関連
- 65. 65 Data Store Internet User Contents Server Search Server Worker Worker Worker Worker KVS KVS URL Query ID,URL ID,Query ID,URL ID,Event,Term ID,Event,Term
- 66. 66 Data Store Event 発生 形態素解析 ,TF/IDF 計算 重要な Term を KVS に保存
- 67. 67 Result Reference Internet User Recommend Engine DataList Mail KVS DataStorage ID Event/Term Contents/Weight Contents Cosine Sim
- 68. 68 Result Reference KVS から Term を引く Term を基に Contents を引く Event,Term による重み
- 69. 69 Category Matching Term => Category
- 71. 71 Tencent Rec(Storm) Realtime Data Stream Scalability Fault-Torerant ...
- 73. 73
- 74. 74 Machine Learning ？ Batch or 不要
- 76. 76 生活圏の特定 今後注目
- 78. 78 Result Reference Internet User Recommend Engine DataList Mail KVS DataStorage ID,GPS(Lat,Lng) Lat,Lng => Address Contents Contents Address Matching
- 79. 79 蓄積された Lat,Lng
- 80. 80 頓挫した orz
- 82. 82 まとめ
- 83. 83 RealTime の重要性
- 84. 84 3 つの重要な指標
- 85. 85 KVS ID 統合管理
- 88. 88 Term の Relevancy による Reco