Open zerebom opened 1 year ago
DeNAのインターンの方が Pococha におけるロングテールなライバー推薦に取り組んだ話。
最初に適合度設計の話がなされ、次に設計した適合度による学習の話がされている。推薦のロングテール性を評価する指標としては Cover rate AUC (CRAUC) という指標が使われている。
視聴時間、コメント数、送ったコイン数、獲得したエール数を組み合わせて適合度を設計している。PS2はYellをTime, Comment, Coinで線形回帰して得られた係数で重みを付けて計算した適合度、PS3はTime, Comment, Coinと適合度の相関が同じくらいになるように重みを調整した適合度。PS3のCRAUCの値が最大になっていて、単一の特徴量より複数の特徴量を均等に活用することがロングテール性に取って重要という結果が得られている。
設計した適合度のもとでLightGBMを使って学習を行ったときの性能
Sansanで行われている名刺スキャン機能改善のための研究紹介。
.pb
形式のモデルでなく Core MLを使うことで検出を300 %高速化しているらしい
Why
推薦・機械学習勉強会は、推薦や機械学習、その周辺技術を通じてサービスを改善することにモチベーションのある人達の集まりです。ニュースやブログから論文まで、気になったものについてお互い共有しましょう!
発信のため、ここは public にしてあります。外部からの参加をご希望の方は樋口(https://twitter.com/zerebom_3) まで DM を送るか、Wantedly Visit の募集(https://www.wantedly.com/projects/391912) よりご連絡ください!
What
Wantedly では隔週木曜日に
といった話をする「推薦・機械学習勉強会」を開催しています。 この ISSUE はその会で話すネタを共有するための場所です。
話したいことがある人はここにコメントしましょう! 会の間に話した内容もここにメモしましょう!
prev: #166