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。
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。
- 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。
- 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。
- 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。
- 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。
- 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。