実践機械学習 — MahoutとSolrを活用したレコメンデーションにおけるイノベーション - 2014/07/08 Hadoop Conference Japan 2014

®
© 2014 MapR Technologies 1
®
© 2014 MapR Technologies
実践機械学習 — MahoutとSolrを活⽤用した
レコメンデーションにおけるイノベーション
草薙昭彦
MapR Technologies

®
本⽇日のトピック
•  レコメンデーションとは?
•  レコメンデーションをユーザーに提供するには?
•  ⾳音楽レコメンデーションの例例
•  よりよいレコメンデーションにするには?

®
実践機械学習
レコメンデーションにおけるイノベーション
無料料 eBook
Ted Dunning, Ellen Friedman 著
マップアール・テクノロジーズ株式会社草薙昭彦
監修
株式会社ブレインパッド太⽥田満久、下⽥田倫倫⼤大、増⽥田康彦
⽟玉川⻯竜司訳
ダウンロードは
http://hadoop-‐‑‒times.com/ml-‐‑‒pdf-‐‑‒ebook.html
Apache Mahout と Solr を活⽤用した、シ
ンプルながらも強⼒力力なレコメンデーショ
ンエンジンのデザインと実装を解説

®
© 2014 MapR Technologies 4®
背景について

®
機械学習ってどういうもの?

®
機械学習アルゴリズムとその実装
A1 A2
!
"
#
$
T
A1 A2
!
"
#
$=
A1
T
A2
T
!
"
%
%
#
$
&
&
A1 A2
!
"
#
$
=
A1
T
A1 A1
T
A2
AT
2A1 AT
2A2
!
"
%
%
#
$
&
&
r1
r2
!
"
%
%
#
$
&
&
=
A1
T
A1 A1
T
A2
AT
2A1 AT
2A2
!
"
%
%
#
$
&
&
h1
h2
!
"
%
%
#
$
&
&
r1 = A1
T
A1 A1
T
A2
!
"%
#
$&
h1
h2
!
"
%
%
#
$
&
&O(κ k d + k3 d) = O(k2 d log n +
k3 d) for small k, high quality
O(κ d log k) or O(d log κ log k)
for larger k, looser quality
でも今⽇日は、強⼒力力だけれどもそれをシンプルに実現する⽅方法について
お話しします

®
レコメンデーション
•  データ: ⼈人々の⾏行行動（ユーザー）とアイテムとのインタラクション
–  データはレコメンデーションモデルの学習に使われる
•  追加の適切切なもしくは望ましいインタラクションを提案することが⽬目的
•  アプリケーションの例例: 映画、⾳音楽、地図ベースのレストラン選択、eスト
アやレジレシートでの販売商品の提案

®
Google Maps: レストランのレコメンデーション

®
Google Maps: テクノロジー企業のレコメンデーション

®
レコメンデーションのしくみ
(または「I want a pony」)

®
I want a pony!
費⽤用や⼿手間を考えず、無茶茶な要求をする様を
揶揄して表現するフレーズ

®
⼀一番はじめの質問:
正しいデータを使っていますか？

®
群衆の⾏行行動は、個⼈人の⾏行行動を
予測するのを助けてくれる

®
アリスはリンゴと⼦子⽝犬を購⼊入
チャールズは⾃自転⾞車車を購⼊入
アリス
チャールズ

®
アリスはリンゴと⼦子⽝犬を購⼊入
チャールズは⾃自転⾞車車を購⼊入
ボブはリンゴを購⼊入
アリス
ボブ
チャールズ

®
ボブは他に何を欲しがる?
アリス
ボブ
チャールズ
?

®
⼦子⽝犬、もちろん!
アリス
ボブ
チャールズ

®
レコメンデーションがどのように
⾏行行われるかわかりましたか？

®
ところで、みんなと同じく、
ボブもポニーが欲しいんです

®
全員がポニーを購⼊入したらどうな
る?
アリス
ボブ
チャールズ
アメリア他に何をアメリアにおすすめすればい
い?
?

®
アリス
ボブ
チャールズ
アメリア
もし全員がポニーを購⼊入したら、
ポニーは他のものを予測するのに
役に⽴立立たない...
?

®
素の共起データの問題
•  ⾮非常に⼈人気のアイテムはすべてと共起する (皆がポニーが欲しい
という情報は役に⽴立立たない…)
–  例例: ウェルカムドキュメント、エレベーターの⾳音楽
•  広範囲な出現は⾯面⽩白みがない
–  かみそりの刃 (とかポニー) のような絶えず望まれるアイテムを提供し
たいのでない限り
•  欲しいのは例例外的な共起
–  これこそが興味深い好みの指標の情報源であり、レコメンデーション
の基礎となる

®
⾏行行動から役に⽴立立つ指標を得るには
•  ログファイルを使ってユーザー x アイテムの履履歴マトリクスを
作成
–  注: このインタラクションの履履歴は全ての潜在的な組み合わせと⽐比べる
と疎なデータである
•  アイテム x アイテムの共起マトリクスに変換
•  例例外的な共起を探し、役に⽴立立つインジケーターを⾒見見つけてイン
ジケーターマトリクスを作成
–  対数尤度度⽐比 (LLR) はどの共起が好みのインジケーターとして使えるか
を確信を持って判断するのに助けになる
–  Apache Mahout の RowSimilarityJob は LLR を使う

®
Apache Mahout
•  オープンソース Apache プロジェクト http://mahout.apache.org
•  Mahout version 0.9 は 2014年年2⽉月にリリース
•  機械学習のためのスケーラブルなアルゴリズムのライブラリ
–  Apache Hadoop で動くものもあれば、Hadoop 不不要のものもある
–  ⼩小さいスケールでのみ動くものもある
–  並列列実⾏行行するものもあれば、シーケンシャルなものもある
•  下記のものを含む
–  クラスタリング & 関連技術
–  分類
–  レコメンデーション
–  Mahout Math ライブラリ

®
ログファイル
アリス
ボブ
チャールズ
アリス
ボブ
チャールズ
アリス

®
ログファイル
u1
u3
u2
u1
u3
u2
u1
t1

t4

t3

t2

t3

t3

t1

®
履履歴マトリクス: ユーザー/アイテム
アリス
ボブ
チャールズ
✔ ✔ ✔
✔ ✔
✔ ✔

®
共起マトリクス: アイテム/アイテム
-
1
2

1
1

1

1

2
1

どの共起が役に⽴立立つかわかりますか?.
0

0

0
0

®
共起マトリクス: アイテム/アイテム
LLR 検定を使⽤用して共起をインジケーターに変換…
-
1
2

1
1

1

1

2
1

0

0

0
0

®
共起バイナリマトリクス
1

1
not

not

1

®
例例外を⾒見見つける
A not A
B 13 1000
not B 1000 100,000
A not A
B 1 0
not B 0 2
A not A
B 1 0
not B 0 10,000
A not A
B 10 0
not B 0 100,000
それぞれの状況からどんな結論論が導ける?

®
例例外を⾒見見つける
•  ルート LLR はおおよそ標準偏差に近い
•  Apache Mahout では RowSimilarityJob が LLR を利利⽤用
A not A
B 1 0
not B 0 2
A not A
B 1 0
not B 0 10,000
A not A
B 10 0
not B 0 100,000
1.95
4.52 14.3
それぞれの状況からどんな結論論が導ける?
A not A
B 13 1000
not B 1000 100,000
0.90

®
共起マトリクス
つまり: LLR 検定を使⽤用して共起をインジケーターに変換
-
1
2

1
1

1

1

2
1

0

0

0
0

®
インジケーターマトリクス: 例例外的な共起
✔

✔

結果: マークされた⾏行行がアイテムドキュメントのインジケーターフィ
ールドに追加される…

®
どうやってユーザーにレコメンデーションを
提⽰示すればよいでしょうか?

®
シンプルさを追求
イノベーション:
レコメンデーションシステムを
実装するために検索索技術を利利⽤用

®
その前に、検索索エンジンがどう動くか
⾒見見てみましょう

®
Apache Solr/Apache Lucene
•  Apache Solr/Lucene: オープンソースのパワフルな検索索エンジン
–  柔軟かつ複雑にインデックスされたデータへのクエリ
–  フルテキスト、地理理データ、統計的に重み付けされたデータ
•  Lucene
–  検索索のコア機能を提供
–  低レベルライブラリ
•  Solr
–  Lucene を包む Web ベースのラッパー
–  Web インターフェースで接続できるため、連携が容易易

®
LucidWorks
•  Solr/Lucene をベースにしたエンタープライズ向けプラット
フォーム
–  Solr を包むラッパー
–  フリーのバージョンが MapR に付属
•  LucidWorks は Solr の機能はそのままに、Solr の運⽤用管理理を容
易易にすることで、Lucene を簡単に利利⽤用できるようにしている

®
Solr/Lucene/LucidWorks の関係

®
ドキュメントとフィールドに対する検索索
•  データはドキュメントの集合
•  ドキュメントは⼀一般的にタイトル、著者、キーワード、本⽂文の
フィールドを持つ
•  ⼀一般的なシンタックス
–  field:(単語1 単語2)
•  または
–  field:(単語1 OR 単語2) field:(“単語1 単語2” ~ 5) field:(単語1 AND 単語
2)

®
インジケーターマトリクス
✔
id: t4
title: puppy
desc: The sweetest little puppy ever.
keywords: puppy, dog, pet
indicators: (t1)
インジケーターマトリクスの1⾏行行が Solr ドキュメントのインジケーターフ
ィールドになり、レコメンデーションエンジンの実装に利利⽤用される
注: インジケーターフィールドは Solr インデックスのドキュメントのメタデータ
に直接追加される。インジケーターのための別のインデックスを作る必要はない

®
実際の例例: ⾳音楽レコメンデーション

®

®
ユーザーの⾏行行動: ジャズの名曲「Take the A Train」を
聴く

®
⾏行行動をベースにレコメンデーションを提⽰示

®
⾳音楽レコメンダーの内側を⾒見見てみましょう

®
検索索ドキュメントのデータセットとなる楽曲のメタ
データ
•  MusicBrainz のデータ
•  データにはアーティスト ID、MusicBrainz ID、アーティスト名、
グループ/個⼈人、出⾝身（地域名）、性別のような情報が含まれる

®
ユーザー⾏行行動履履歴の例例: 視聴ログファイル
ハイライトしている
部分でユーザー119
は何をしていますか? ジャズミュージシャン
Duke Ellingtonの
アーティストID
時刻
イベント
タイプ
ユーザーID
アーティストID
トラックID

®
レコメンダーエンジンの内部
50

®
レコメンダーエンジンの内部
51

®
⾳音楽レコメンデーションの Lucene ドキュメント
•  トレーニングされた Mahout レコメンダーモデルのインジケー
ターマトリクスのデータが、アーティストデータセットのド
キュメント中の indicator フィールドに追加されている
id 541902
mbid 983d4f8f-473e-4091-8394-415c105c4656
ame Charlie Winston
area United Kingdom
gender None
Indicator_artists 997727,815,830794,59588,900,2591,1344,696268
id 1710
mbid 592a3b6d-c42b-4567-99c9-ecf63bd66499
ame Chck Berry
area United States
gender Male
Indicator_artists 386685,875994,637954,3418,1344,789739,1460

®
オフライン学習
アイテム
メタデータ
ユーザー履履歴
ログファイル
Mahout を
使った分析
検索索
テクノロジー
インジケーター

®
MapR を使ったリアルタイムレコメンデーション
アイテム
メタデータ
ログファイル
Mahout を
使った分析
Web
ティア
検索索
テクノロジー
Pig Python
新しいユーザー履履歴
NFS 経由のデータ投⼊入
NFS
経由
NFS 経由で Python
を使⽤用して投⼊入
MapR クラスタ

®
シンプルに
•  h を⾏行行ったユーザー(ユーザーがやり取りした事象のベクトル)
•  レコメンデーションを⾏行行うには
Ah
AT
Ah( )
AT
A( )h
ユーザー中⼼心のレコメンデーション
(転置は事象へと戻す変換)
アイテム中⼼心のレコメンデーション
(操作の順番を変更更)
A は事象をユーザーへ変換

®
アーキテクチャ上の優位性
AT
Ah( )
AT
A( )h
ユーザー中⼼心のレコメンデーション
アイテム中⼼心のレコメンデーション
1つ⽬目の設計では、まずリアルタイムの計算が必要（括弧の中）。
事前計算はできないため、⾮非効率率率で低速。
2つ⽬目の設計では、オフラインで（夜間に）事前計算が可能。
新しいユーザーのベクトル(h)の⼩小さい計算のみをリアルタイムで
⾏行行えばよい。このため応答が⾮非常によくなる。

®
よりよいレコメンデーションにするには

®
マルチモーダルレコメンデーション

®
例例
•  ユーザーがクエリ (A) を⼊入⼒力力
–  (⾏行行動主体 = ユーザー, アイテム = クエリ)
•  ユーザーがビデオ (B) を視聴
–  (⾏行行動主体 = ユーザー, アイテム = ビデオ)
•  ATA はクエリのレコメンデーションを提⽰示
–  “こちらをお探しだったのではないでしょうか”
•  BTB はビデオのレコメンデーションを提⽰示
–  “これらの動画が好きではないですか”

®
⼤大事なところ
•  BTA はクエリに対する動画をリコメンド
–  (あれ、これ検索索エンジンじゃなかったっけ?)
–  (いや違うな、コンテンツやメタデータは⾒見見てないし)

®
実際の例例
•  クエリ: “Paco de Lucia”
(スペインのギタリスト)
•  従来のメタデータ検索索結果:
–  “hombres de paco”
(スペインのコメディTV番組) 400件
–  他はほとんどなし
•  レコメンデーションベース検索索:
–  フラメンコギターとダンサー
–  スペイン語、クラシックギター
–  Van Halen がクラシックな
フラメンコのリフを演奏

®
もっと効率率率よくできないか?

®
対称性によりクロスレコメンデーションを⽣生成
AT
A( )h
BT
A( )h
オフラインラーニングを利利⽤用した
従来型のレコメンデーション
クロスレコメンデーション

®
Aユーザー
事象

®
A1 A2
!
"
#
$
ユーザー
事象
タイプ1
事象
タイプ2

®
A1 A2
!
"
#
$
T
A1 A2
!
"
#
$=
A1
T
A2
T
!
"
%
%
#
$
&
&
A1 A2
!
"
#
$
=
A1
T
A1 A1
T
A2
AT
2A1 AT
2A2
!
"
%
%
#
$
&
&
r1
r2
!
"
%
%
#
$
&
&
=
A1
T
A1 A1
T
A2
AT
2A1 AT
2A2
!
"
%
%
#
$
&
&
h1
h2
!
"
%
%
#
$
&
&
r1 = A1
T
A1 A1
T
A2
!
"%
#
$&
h1
h2
!
"
%
%
#
$
&
&

®
おまけ:
悪い⽅方が良良い場合

®
最初の実装後の現実の問題
•  閲覧の範囲 → ユーザーはトップページしか⾒見見ない
•  多様性 → 毎回同じ結果だと飽きられてしまう
•  学習速度度 → それ以上学習しなくなってしまう
•  決して最後の些細な問題ではない

®
結果のディザリング
•  レコメンデーション結果の順番を⼊入れ替えるためにディザリン
グが使われる
–  順番の⼊入れ換えはランダムに⾏行行う
•  ディザリングは確実にオフライン性能を悪化させる
•  ディザリングは同時に実際の性能をより良良くするパーフェクト
に近い実績がある

®
結果のディザリング
•  レコメンデーション結果の順番を⼊入れ替えるためにディザリン
グが使われる
–  順番の⼊入れ換えはランダムに⾏行行う
•  ディザリングは確実にオフライン性能を悪化させる
•  ディザリングは同時に実際の性能をより良良くするパーフェクト
に近い実績がある
“他のどんな変更更よりも⼤大きな違いが出る”

®
なぜディザリングが必要?

®
シンプルなディザリングアルゴリズム
•  ランクの対数にガウス分布を加えた合成スコア
•  適切切なレベルの⼊入れ替えを⾏行行うノイズのスケールを選択
•  普通はこのくらい
•  また … floor(t/T) をシードとして使う
s = logr + N(0,logε)
ε ∈ 1.5,3[ ]
Δr
r
∝ε

®
例例えば… ε = 2
1 2 8 3 9 15 7 6
1 8 14 15 3 2 22 10
1 3 8 2 10 5 7 4
1 2 10 7 3 8 6 14
1 5 33 15 2 9 11 29
1 2 7 3 5 4 19 6
1 3 5 23 9 7 4 2
2 4 11 8 3 1 44 9
2 3 1 4 6 7 8 33
3 4 1 2 10 11 15 14
11 1 2 4 5 7 3 14
1 8 7 3 22 11 2 33

®
学んだこと:

閲覧されることは良良いことだ

®
Q&A
@mapr_japan maprjapan
sales-jp@mapr.com
お問い合わせはこちらまで
MapR
maprtech
mapr-technologies

実践機械学習 — MahoutとSolrを活用したレコメンデーションにおけるイノベーション - 2014/07/08 Hadoop Conference Japan 2014

Empfohlen

Empfohlen

Weitere ähnliche Inhalte

Was ist angesagt?

Was ist angesagt? (20)

Andere mochten auch

Andere mochten auch (9)

Ähnlich wie 実践機械学習 — MahoutとSolrを活用したレコメンデーションにおけるイノベーション - 2014/07/08 Hadoop Conference Japan 2014

Ähnlich wie 実践機械学習 — MahoutとSolrを活用したレコメンデーションにおけるイノベーション - 2014/07/08 Hadoop Conference Japan 2014 (20)

Mehr von MapR Technologies Japan

Mehr von MapR Technologies Japan (18)

Kürzlich hochgeladen

Kürzlich hochgeladen (7)

実践機械学習 — MahoutとSolrを活用したレコメンデーションにおけるイノベーション - 2014/07/08 Hadoop Conference Japan 2014