MinHashによる高速な類似検索 - Preferred Networks Research & Development
年が明けてもう一ヶ月経ちましたね．岡野原です． 今日はMinHashと呼ばれる手法を紹介します．これは特徴ベクトルの高速な類似検索に利用することができます(クローラーの文脈だとShingleとして知られている）． 今や世の中のあらゆる種類のデータが，高次元のバイナリベクトルからなる特徴ベクトルで表されて処理されるようになってきました．例えば文書データであれば文書中に出現する単語やキーワードの出現情報を並べた単語空間ベクトル（Bag of Words）で表し，画像データも，SIFTをはじめとした局所特徴量を並べた特徴ベクトル（とそれをSkecth化したもの）として表せます．行動情報や時系列データも特徴量をうまく抽出する．グラフデータもFast subtree kernels[1]と呼ばれる方法で非常に効率的に特徴ベクトルに変換することができ，グラフの特徴をよく捉えることができるのが最近わかっ
Google Public Data Explorer
The Google Public Data Explorer makes large datasets easy to explore, visualize and communicate. As the charts and maps animate over time, the changes in the world become easier to understand. You don't have to be a data expert to navigate between different views, make your own comparisons, and share your findings.
SELECT Lab::Tutorial at ICML 2008: Beyond Convexity - Submodularity in Machine Learning
Beyond Convexity: Submodularity in Machine Learning Description Convex optimization has become a main workhorse for many machine learning algorithms during the past ten years. When minimizing a convex loss function for, e.g., training a Support Vector Machine, we can rest assured to efficiently find an optimal solution, even for large problems. In recent years, another fundamental problem st
楽天技術研究所におけるウェブマイニング：「おれたち世界一になれますか？」：エンジニアライフ
■はじめに こんにちは。楽天技術研究所の森正弥です。この度、楽天のテクノロジーの裏側をいろいろご紹介していくコラムを書いていくことになりました。最近、テクノロジーカンファレンス2009[1]や研究開発シンポジウム2009[2]など、オープンに情報交換をさせていただくイベントも増えてきたのですが、「もっとより身近な姿を皆様にご紹介していきたい」という気運が弊社の開発部の中でも高まってきました。今後、さまざまなメンバーにてコラムを執筆していきます。ご愛顧のほど、よろしくお願いいたします。 ■本日は「ウェブマイニング」 「自由にコラムを書いてください」というお話を社内で受けまして、何を書こうかちょっと悩みました。楽天技術研究所が提唱している未来ビジョン「サード・リアリティ」のお話や、あるいは研究開発シンポジウム等の最近、力を入れている産学連携の施策群について書こうかとも考えましたが、楽天技術研究
Machine Learning Project at the University of Waikato in New Zealand
Machine learning (ML) enables computers to analyse data and decide what information is most relevant, facilitating fast and accurate decision making. Our Objectives To develop improved algorithms for ML. To make ML techniques generally available. To apply ML to practical problems in Aotearoa. Software Staff and students at Waikato have developed a software workbench called Weka, for Waikato Enviro
トップページ - リコメンデーションコンテスト
主催 日本オペレーションズ・リサーチ学会 実践的データマイニング研究部会 協賛 チームラボ株式会社 人工知能学会 経営情報学会関西支部 ビジネスマイニング研究センター有限責任事業組合 趣旨 近年、B2Cの飛躍的な増加に伴い、WEB上での消費者の購買履歴や行動履歴を容易に、かつ大量に蓄積することが可能となり、それに伴って究極的なワンツーワン・マーケティングが可能になりつつあります。その１つのアプリケーションとして、顧客に対する適切な商品や行動の推薦を目的としたリコメンデーションシステムの導入が盛んに行われています．リコメンデーションシステムのアルゴリズムは，これまでに様々なものが研究提案されてきてはいるものの，ビジネスにおける実践という面から見ると，それらの研究成果が産業会に十分に還元できているとは言えない状況でしょう．そこで，実データに基づいたリコメンデーションコンテストを実
リリース、障害情報などのサービスのお知らせ
最新の人気エントリーの配信
j次のブックマーク
k前のブックマーク
lあとで読む
eコメント一覧を開く
oページを開く
TagHelper Tools: Facilitating Reliable Content Analysis of Corpus Data
"Privacy and Publicity in the Context of Big Data"
Privacy-Preserving Data Mining References
Top 10 Algorithms in Data Mining
Similarity Measurement
Big Data Consulting & Training | Hadoop, Solr and Cascading | Scale Unlimited » Open Source Data Mining Tools
Server error
http://www.math.umn.edu/~wittman/mani/
Spider
http://sd.is.uec.ac.jp/activities.shtml
データマイニングの宝箱
Spectral Graph Partitioning and the Laplacian
Wizard of Odd – Historical Compilations
http://www.clopinet.com/isabelle/Projects/SVM/applist.html