Recommender チュートリアル

ここではJubatusの推薦(Recommender)である jubarecommender を使用した、Jubatus Clientの使い方を説明します。

推薦(Recommender)とは、類似するデータの推薦やデータ中の同属性の推薦を行う機能であり、検索サイト連動広告やECサイト商品お勧めなどに利用することができます。

サンプルプログラムの概要

サンプルとして、2012年日本プロ野球の野手成績を学習し、似たタイプ(成績)の野手を推薦するプログラム「 npb_similar_player 」を用いて説明していきます。

最初に、 プロ野球データfreak から取得した「規定打席の1/3以上の全野手のデータ」を打席数順にソートした CSV データ (baseball.csv) をクライアント側で用意し、推薦するためのモデルを jubarecommender に学習させます。

次に、推薦用の入力データとして学習時と同様にCSVファイルから名前だけを抽出し jubarecommender に与えます。 jubarecommender は先ほど学習したモデルを用い、タイプ(成績)が似ている野手を推薦し返却するので、クライアント側では受け取った結果を出力します。

例えば、推薦用の入力データとして「中田翔」を渡すと、「player 中田翔 is similar to : 井口資仁 新井貴浩 中村紀洋」と似たタイプ(成績)の野手トップ3が返却されます。

処理の流れ

Jubatus Clientを使ったコーディングは、主に以下の流れになります。

  1. jubarecommender への接続設定

    jubarecommender のホストやポート番号を指定し、接続設定をします。

  2. 学習用データの準備

    baseball.csvの全野手の成績から学習用データを作成します。

  3. データの学習(学習モデルの更新)

    作成した学習用データ1行ずつを update_row メソッドで jubarecommender に与え、学習を行います。

  4. 推薦用データの準備

    推薦用に jubarecommender に投げる、野手情報のデータを作成します。

  5. 学習モデルに基づく推薦

    4. で作成した推薦用データを入力値とし、 similar_row_from_id メソッドで 3. の学習に基づいた推薦をします。

  6. 結果の出力

    similar_row_from_id メソッドの戻り値である推薦結果を出力します。

サンプルプログラム

現在、Python と Ruby と Groovy 以外の言語のサンプルプログラムはありません。(みなさまのコントリビューションをお待ちしています!)