トピックモデルを用いた 潜在ファッション嗜好の推定
•
41 likes•119,315 views
Fashion Tech meetup #1 の発表資料です！
Report
Share
More Related Content
What's hot
What's hot (20)
Viewers also liked
Viewers also liked (20)
Similar to トピックモデルを用いた 潜在ファッション嗜好の推定
Similar to トピックモデルを用いた 潜在ファッション嗜好の推定 (20)
トピックモデルを用いた 潜在ファッション嗜好の推定
- 1. トピックモデルを用いた 潜在ファッション嗜好の推定 Fashion Tech Meetup #1 2015/11/10 Takashi Kaneda Ryosuke Goto
- 2. 自己紹介 金田 卓士 @kndt84 データサイエンティスト • 2009年に大学院を修了 専攻は計量経済学 • 一休.com、ソフトバンク・テクノロジーを 経て現職 • 趣味では、VRミニ四駆という作品を作って、 Maker Faire に出展したりしてます！
- 4. 1ABOUT iQON ! 60,000 ! ! 500 600 ! 10,000 4.3 4.5 ( :7,009 ) ( :7,009 ) iQON No.1 ! ! LIKE No.1 No.1 No.1 No.1 No.1 No.1 200 ! 600 1/3
- 7. しかし、ファッションの嗜好という抽象的な概念 をどうサービスに組み込めばよいのか？ トピックモデルが使えるのでは！ 課題 どうにかして、行動データからユーザーのファッ ションの潜在的な嗜好を推定したい
- 8. トピックモデルとは？ • 自然言語処理における潜在意味解析の分野から発展してき た手法で、主に文章解析に使われることが多い • 大量の文章から人の手を介すことなく、話題になっている トピックの抽出が可能 • また、それぞれの文章がどのトピックに属すのかを判別す ることもできる
- 9. 出典：岩田具治『トピックモデル』講談社, 2015年 国会 首相 内閣 衆議院 選挙 ： 選手 ゴール ボール 試合 球場 ： 病院 薬 健康 手術 難病 ： トピックを抽出 それぞれの文章がもつトピックを推定 サッカー協会 は代表の強化 のため… 時期衆議院選 挙に向けて与 党は… 難病医療に関 する法律案が 国会 文章集合 スポーツ 政治 医療+政治 政治 スポーツ 医療
- 11. 今買い足すならトレンド感も取り入れたおしゃれなデザインを 選びたい。 今 買い足す トレンド 取り入れた おしゃれ デザイン 1 1 1 1 1 1 • 文章を単語ベクトル（Bag of Words）に変換 • ベクトル化することで共起を統計モデルとして扱える • 単語の順番や、文章の構造は無視 Bag of Words (BoW)
- 12. 出典：Blei, David M. (2012), “Probablistic Topic Models”, Communications of the ACM 文章中の単語は、文章のトピック分布から確率的に生成 されると仮定してモデル化
- 14. パンツ：dazzlin ブラウス：COCO DEAL カーディガン：MERCURYDUO カチューシャ：Jennifer Ouellette イヤーカフ：Serendip three バッグ：INDEX 靴：CARVEN ROND POINT ファッションも、その人が何のブランドを着てい るかで、なんとなくその人の嗜好がわかる！ ex. 赤文字系、モード系、きれいめOL系 文章からトピックを判別するのと同じでは！？
- 15. Cartier Christian Louboutin DRESSTERIOR Grace Continental IENA TOMORROWLAND 1 1 1 1 1 1 • ユーザーのブランドLike情報をベクトル化 • ベクトル化してしまえば、文章と同様に扱える！ Bag of Brands
- 17. LDAのグラフィカル表現 出典：Blei, David M. (2012), “Probablistic Topic Models”, Communications of the ACM
- 18. 一般的な文章解析の場合 ファッションの嗜好推定 α θの事前分布を生成するパラメータ 同左 η βの事前分布を生成するパラメータ 同左 θ 潜在トピックの確率分布 ファッションカテゴリの確率分布 β 単語の確率分布 ブランドLikeの確率分布 D 文章数 ユーザー数 N 1文章の単語出現回数 ユーザーのブランドLike K トピック数 ファッションのカテゴリ数 Z 単語の潜在トピック ファッションカテゴリ W 単語の集合 ブランドLike集合 文章解析との比較
- 19. • 約7000ブランドから上位1000ブランドに限定 • 70万人分の500万個のブランドLikeデータを使用 • GoogleのCloud Dataproc上で、SparkのMLlib を利用して計算 • LDAの推定には、EMアルゴリズムを利用 データと計算環境
- 21. 青山・表参道OL系 1 CHANEL 2 Chloe 3 BLACK BY MOUSSY 4 Christian Louboutin 5 Christian Dior 6 BURBERRY 7 CELINE 8 Cher 9 FRAY I.D 10 deicy ペルソナ 青山・表参道 sweet モテ OL 28-35 さえこ 元vivi読者 結婚 主婦 ママ友 セレブ好き
- 22. ランウェイ系 1 EGOIST 2 LIP SERVICE 3 EMODA 4 SLY 5 moussy 6 MURUA 7 rienda 8 SPIRAL GIRL 9 DURAS 10 CECIL McBEE ペルソナ 渋谷・原宿 runway系 ギャルと言われがちな人 22-28歳 クラブ・フェス好き SNS好き
- 23. セレクトショップ系 1 URBAN RESEARCH 2 URBAN RESEARCH DOORS 3 UNITED ARROWS 4 ROSSO 5 kate spade new york 6 KBF 7 IÉNA 8 nano・universe 9 TOMORROWLAND 10 Spick and Span ペルソナ セレクトショップ好き ニューバランス スニーカーはマスト 海外旅行いく 25-32歳 ベーシック そこそこいいものが欲しい 単価12000円くらい モール好き
- 24. ストリート系 1 adidas 2 adidas Originals 3 X-girl 4 NIKE 5 adidas NEO Label 6 WEGO 7 VANS 8 STUSSY 9 TOMMY HILFIGER 10 adidas by Stella McCartney ペルソナ 原宿・渋谷 スポーツ エッジ 髪の毛に気合い入れる 彼氏もストリート系 ナイロンが愛読書 20-28歳
- 25. ユーザーの嗜好カテゴリの推定
- 26. 今後の課題 • 実際のプロダクトへの実装 • ブランドLike情報以外の、閲覧履歴情報の取り込み • 階層構造や補助情報を取り込んだモデルへの拡張
- 27. まとめ • ユーザーのブランドLike情報をトピックモデルに適用する ことで、ファッションカテゴリを抽出することが可能に • また、個々のユーザーのファッションカテゴリの嗜好も数 値として表せるように プロダクトへ実装可能
- 28. We are hiring ! 「ファッション ビックデータ」 の分野を一緒に開拓しましょう！