-
Notifications
You must be signed in to change notification settings - Fork 2
New issue
Have a question about this project? Sign up for a free GitHub account to open an issue and contact its maintainers and the community.
By clicking “Sign up for GitHub”, you agree to our terms of service and privacy statement. We’ll occasionally send you account related emails.
Already on GitHub? Sign in to your account
[2023/06/14]推薦・機械学習勉強会 #199
Comments
More-efficient approximate nearest-neighbor searchAmazonのブログ記事。kNNの性能を向上させたという論文の紹介がされている。 従来:どのようなグラフ構造を構築すれば最もステップ数を少なく探索を終えられるか 探索の中心(c)となるグラフ上の点を基底として分解すると探索先(d)とクエリ(q)の間の距離を効率的に計算できることを示した。 最終項以外は事前計算できる。最終項は実質クエリとターゲットの間の角度で、これは高速に近似できるらしい。 |
Calibrated Recommendations as a Minimum-Cost Flow Problem論文URLhttps://abdollahpouri.github.io/assets/docs/wsdm2023.pdf 著者Himan Abdollahpouri, Zahra Nazari, Alex Gain, Clay Gibson, Maria Dimakopoulou, Jesse Anderton, Benjamin Carterette, Mounia Lalmas, Tony Jebara 会議WSDM '23 背景近年の推薦システムでは、推薦リストにおいてユーザの様々な(過去の)関心領域が、それぞれの割合で反映されることを保証するキャリブレーションが注目されている。 推薦リストは、ユーザーの持つ少数派の興味が蔑ろにされたり、全体的に人気のあるアイテムに支配されたりすることが多い。 先行研究でキャリブレーションは、貪欲法によって考慮されているが、これは現実的な時間内に解を求める保証ができない。また、一般的にキャリブレーションは推薦自体の精度劣化を引き起こすことがわかっている 目的
アプローチ
評価キャリブレーションしつつ、他の手法と比べて精度劣化を抑えられた memo |
Shopify プロダクトマネージャーによる対話型UX構築のポイント7つの方針
5つの構成要素ユーザーがボットとエンゲージし会話を終了するまでにの、対話の体験を構成するもの。
|
2023年度人工知能学会全国大会 (JSAI2023) チュートリアル「解釈可能な機械学習 〜説明は人のためか〜」
|
Why
推薦・機械学習勉強会は、推薦や機械学習、その周辺技術を通じてサービスを改善することにモチベーションのある人達の集まりです。ニュースやブログから論文まで、気になったものについてお互い共有しましょう!
発信のため、ここは public にしてあります。外部からの参加をご希望の方は樋口(https://twitter.com/zerebom_3) まで DM を送るか、Wantedly Visit の募集(https://www.wantedly.com/projects/391912) よりご連絡ください!
What
Wantedly では隔週水曜日に
といった話をする「推薦・機械学習勉強会」を開催しています。
この ISSUE はその会で話すネタを共有するための場所です。
話したいことがある人はここにコメントしましょう!
会の間に話した内容もここにメモしましょう!
prev: #198
The text was updated successfully, but these errors were encountered: