取り入れた技術は他の場面でも応用!〜VASILY DEVELOPERS BLOGが公開されました!〜

こんにちは、広報の坂井です。

本日5月31日(水)、VASILY DVELOPERS BLOGが公開されました!

今回のタイトルは『レコメンドに画像の情報を活用する方法』、担当はデータサイエンティストの中村です。

tech.vasily.jp

f:id:vasilyjp:20170530223738j:plain

さて、さっそく解説してもらいましょう!


ー まず、今回はどのような内容なのか教えていただけますか?

VASILYでは、ファッションアイテムの画像から抽出した特徴量を検索に活用しており、SNAP by IQONなどの自社サービスで使用しています。

この「ファッションアイテムの画像から抽出した特徴量」というものは、検索以外にも活用することができるので、今回はアイテムを推薦する“レコメンド”における活用について以下の3トピックで考え、紹介しています。

  1. 画像特徴量を利用したコンテンツベースレコメンド
  2. モデルベース協調フィルタリングにおけるコールドスタート問題の軽減
  3. 画像特徴量を利用したモデルベース協調フィルタリングの高度化

 

ー まず、『画像特徴量を利用したコンテンツベースレコメンド』とは…?

レコメンド技術にはいくつか手法がありますが、その中でも主流である手法の1つがコンテンツベースです。

コンテンツベースとは、「Aというアイテムが好きなユーザーはAによく似ているアイテムも好きである」と仮定し、レコメンドする手法です。

この手法に画像特徴量を活用することで、より似ているアイテムを表示することができます。例えば下の画像のように、左列のアイテムに対して、似ているアイテムをレコメンドすることができます。

f:id:vasilyjp:20170530100913p:plain

ー 次の『モデルベース協調フィルタリングにおけるコールドスタート問題の軽減』とは?

まず、協調フィルタリングとは、コンテンツベースと同じく主流のレコメンド手法です。

これは、ユーザーの行動ログからレコメンドする手法で、その中にモデルベースというものがあり、モデルベースでは高度なアルゴリズムを使用しています。

ただ、これだけだと、ログからレコメンドするため、新しいアイテムが追加されてもなかなか反映されないという問題があります。この問題を、“コールドスタート問題”といいます。

これを軽減するために、画像特徴量を活用します。これにより、協調フィルタリングによってレコメンドされたアイテムに似ている新しいアイテムも、一緒に推薦することができるようになります。

 

ー では、最後の、『画像特徴量を利用したモデルベース協調フィルタリングの高度化』とは?

これは、先程説明したモデルベース協調フィルタリングの精度を上げるために、画像特徴量を活用するものです。

行動ログからのレコメンドに加え、例えば色や形など、何かしらの特徴が似ているアイテムが推薦されやすくなります。これにより、ユーザーが見ると更に欲しいアイテムが見つかりやすくなります。

 

ー なるほど!この技術は全てサービスに導入しているんですか?

上の2つに関してはIQONで導入しています。ユーザーの皆さまにとって、よりスムーズに欲しいものが見つかるような技術を開発できるよう、今後も力を入れていきます!


ありがとうございました!

VASILYのデータサイエンスチームは、最新の研究に常にアンテナを張りながらファッションに関するビッグデータの研究に力を入れています。

現在、エンジニアのサマーインターンを大募集中です! この夏、VASILYの技術者たちと共に、本気のサービス作りに挑戦してみませんか?

ご応募お待ちしております!

 【お問い合わせ】
株式会社VASILY 広報担当
press@vasily.jp