Recommended
More Related Content
What's hot
What's hot (14)
Similar to AIによる経済情報の活用
Similar to AIによる経済情報の活用 (20)
Recently uploaded
Recently uploaded (12)
AIによる経済情報の活用
- 2. アジェンダ ● 自己紹介 ● ユーザベースについて ● ユーザベースにおける の活用事例 ○ 企業の業界推定 ○ の記事推薦 ● への質問
- 3. 自己紹介 北内 啓（きたうち あきら） ● 奈良先端科学技術大学院大学 自然言語処理研究室 日本語形態素解析システム「茶筌」の開発に参加 ● 株式会社 データ 自然言語処理、情報検索、テキストマイニングの技術開発を担当 ● スタートアップ ● 株式会社ユーザベース 機械学習、自然言語処理等を利用した新規機能開発、機能改善を担当
- 4. ユーザベースについて
- 6. 2008 Founded 2009 2013 LaunchedLaunched 2016 Acquired 2008 Tokyo & 2017 Osaka 2013 Singapore 2016 Sri Lanka 2013 Shanghai 2013 Hong Kong 2017 New York2013 Hanoi About Our Offices Our Products 2017 Launched IPO at TSE Mothers
- 7. Value７つのルール 自由主義で行こう 創造性がなければ意味がいない ユーザーの理想から始める スピードで驚かす 迷ったら挑戦する道を選ぶ 渦中の友を助ける 異能は才能 1 2 3 4 5 6 7
- 9. マレーシアの空調機業界の企業を知りたい場合 専門家（アナリスト）が調査しても数日か かる "malaysia air conditioner company" と いったキーワードでウェブ検索 各企業が該当企業か確認 (マレー語のサイトもあり) 各企業の事業内容、業績等を調査 企業リストを作成
- 10. なら 企業検索画面で、国（マレーシア）、業界（民生用空調機器）、表示する財務科目を指定するだけ 各企業の国、財務情報等 はサプライヤから提供（一 部弊社でも組成） 各企業の業界は弊社側で 紐付け
- 12. に格納されている情報
- 13. 各企業の業界の推定アルゴリズム 企業名 特色 業界 自動車 トラック 石油・ガスメ ジャー 【訓練データ】 ・弊社アナリストが約560の 業種に紐付けたデータ ・複数の業界が紐づく企業も ある（マルチラベル） モデル 企業名 特色 業界 企業名 特色 業界 石油・ガスメ ジャー 学習 【テストデータ】 ・新しく格納される 企業の情報 ・企業名、特色などの特徴を利用して学習 ・SVMを利用 (sklearn.linear_model.SGDClassifier) ・予測スコアが閾値以上の場合にその業界に分類する ・一定以上の精度になるような閾値を交差検証で決定
- 16. Challenge of this year 月額5,000円の「NewsPicksアカデミア」を開始。幻冬舎と提携して書籍展開も
- 17. Challenge of this year NewsPicks×ホウドウキョク 経済ニュース番組「LivePicks」をスタート
- 19. アプリの「マイニュース」タブ
- 20. の 拡張機能
- 22. ● 有用な記事を総合トップなどに掲載する ● 有用なコメントを上位にランキングする ● 有用な記事をプッシュ通知する 従来の施策の例 これらは、すべてのユーザに同じ情報を提供している
- 23. ● ユーザごとに異なる情報を推薦する（パーソナライズド・レコメンデーション） ● ユーザに推薦するもの 記事、コメント、ユーザ ○ 一番のキラーコンテンツは記事なので、まずは記事を推薦する ※「推薦対象」と「推薦するもの」の組合せはさまざま ○ 例 各アイテムに対して関連アイテムを提示→ 滞留時間を長くできる （ など） 推薦（レコメンデーション）
- 24. に格納されているデータ ● の定性データが豊富 ● ニュース記事、コメント、ユーザともそ れぞれ数十万から数百万件のデータ がある ● 各データ間の関係を表すデータも豊 富 閲覧、 コメント フォロー
- 26. 協調フィルタリング コンテンツベース ユーザの好みを通じて推薦できるので セレンディピティを起こせる可能性がある 内容の近さが分かるので、たとえば内容の 近い複数の記事を推薦することを防げる 件も していないユーザに推薦できない ユーザのプロフィールがあれば、 件も していないユーザにも推薦できる 誰にも されていない記事を推薦できない 誰にも されていない記事も推薦できる 協調フィルタリングとコンテンツベース
- 28. ● ユーザとユーザが した記事の行列を行列分解（ ） ● ユーザベクトルと記事ベクトルの 類似度によって記事スコアを算出 ● しかし の二値行列を行列分解すると各要素がすべて同じ値になってしまう！ → を利用（ ） 協調フィルタリング
- 29. ● 各記事は でタイトルと本文の先頭部分しかない（データスパースネスの問題） → で過去記事中の各単語をベクトル化 ● 推薦候補記事のベクトル 記事中の単語のベクトルの平均 ● ユーザのベクトル ユーザが した記事のベクトルの平均 ● スコア ユーザのベクトルと記事のベクトルの 類似度 コンテンツベース
- 30. ● スコアによるフィルタリング ○ 協調フィルタリング、コンテンツベースそれぞれのスコアが低い記事を除去 ● 類似記事のフィルタリング（フィルターバブルへの対応） ○ 似た内容の記事が推薦されないようにするため、第 位の記事に対して、第 位以降の記事について、協調フィルタリング、コンテンツベースの類似 度が高いものを除去 後処理
- 31. への質問
- 32. ● 分散表現 ○ 前後に出現する単語などの情報をもとに単語などをベクトル化 ○ が有名 ○ 様々なタスクで従来の局所表現（ 表現）よりも高い性能が報告されている ● 識別タスク ○ 分類（文書分類、評価極性分類）、系列ラベリング（品詞タグ付け、固有表現認識）など数多くの タスクで深層学習が研究されている ○ など ○ 評価極性分類のように語順が重要なタスクで高い性能 ● 生成タスク ○ 文を文に変換する、系列変換モデルとみなせる（ ） ○ 機械翻訳、文書要約、対話、質問応答など 深層学習による自然言語処理
- 33. ● モデルの拡充について ○ 自然言語処理でよく利用されるモデル（分散表現、 、 など）は現状どの程度用 意されているでしょうか。 ○ また、そのようなモデルを追加する予定はありますでしょうか。 ● 対応プラットフォームについて ○ は に対応していますが、 を や に対応する予定はありますでしょうか。 ● 広報活動について ○ 今後の広報活動について予定、検討していることがあれば教えてください。 ○ 個人的には、ソニー社内での活用事例、他のツールとの使い分けを知りたいです。 ○ 備考 アカウント への質問