Open hakubishin3 opened 1 month ago
レコメンドアルゴリズムとタイトルにあるが、推薦のアルゴリズムだけでなくてランク学習、評価指標、近似際近傍探索、2-stage 推薦、、、と推薦に関連する要素技術がたくさん書かれている。ボリュームがすごい。
Netflixの因果推論の取り組みをまとめた記事。因果推論と実験に関する Netflix の社内カンファレンスで紹介された5つのトークを紹介している。
LLMを活用した表データの分析手法を最近の先行研究とともに紹介している。
ブログではChain-of-Tableについて実際に試した結果も示されている。
ESを使ったベクトル検索の知見紹介
本記事ではベクトル検索の導入において得た知見をご紹介しました。ベクトル検索の導入に関しては本記事で取り上げた課題があり、現状導入には至っていませんが、引き続き検討を重ねていく予定です。
ベクトル検索が良い結果となったクエリ | ベクトル検索が悪い結果となったクエリ |
---|---|
ペット用品 | いちご柄 |
きれいめドレス | 卒業式 女の子 小学生 フォーマル |
小さめリュック | ブランド名全般 |
スポーツウェアー | キャラクター名全般 |
ベクトル検索は表記揺れや多言語などには強い一方、意味が明快だったりドメイン性の強い語がクエリに乗るケースは不得意らしい
例えばPCゲームを検索した際、PCゲームカテゴリに作品が存在しなくとも、カテゴリ外に同様の名称のものがあればサジェストされてしまい、実際に検索するとヒット数が0件になってしまうといった挙動です。
こういった事、サジェスト考えるときにはありがちだよなと…
(MUSTの項目抜粋)
Kohavi, Tang, and Xu (2020) の Experimentation Maturity Model
社内でA/Bテストを試みたものの定着に至らなかった例
プロダクトへの実装やデータ基盤の整備、データ分析人材の確保など、A/Bテストの実施には多くのコストがかかります。A/Bテストが有用であると組織内での合意を得るためには、A/Bテストのビジネス価値を示すエビデンスが必要です。
A/Bテストが良いと訴求するだけでは効果が薄く、小さな成功体験があるとA/Bテストを行う機運が高まるように筆者は感じています。逆に言うと頓挫したA/Bテストプロジェクトは、当事者間でA/Bテストの成功体験が共有されなかったものがほとんどのように思います。Microsoftの以下の記事でも、A/Bテストを前進させるためには、初期段階で実施するA/Bテストを賢く選ぶべきと書かれています。
世界モデルの概要やGAIA-1の構造について紹介されている Turingにおける技術選定のwhyや課題が綺麗に言語化されていて良かった
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合田/hakubishin3、角川/nogawanogawa、林/python_walker 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 では隔週水曜日に
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: #249