かんたん機械学習はじめの1歩AzureMachineLearningでTweetをレコメンド

Transcript

1. Microsoft Global Azure Boot Camp 2016 in Japan suzuki.sh (@s2terminal) かんたん 機械学習 はじめの1歩 Azure Machine Learning で Tweet を レコメンド
2. Self Introduction 鈴木就斗 (suzuki.sh)  名古屋のWebエンジニア  合唱音楽の鑑賞が趣味  NinjaSlayer、Splatoon、そしてMicrosoft Azureがすき  twitter: @suzukiterminal  facebook: @sh.suzuki.921  GitHub: @s2terminal
3. Azureを使っているところ  はてなブックマークしたURLをPocketに入れるAPI  http://s2terminal.hatenablog.com/entry/2015/07/05/165010  Azure API Apps (去年のセッションに触発されて作りました)  Webサービス「合唱音源の新着情報」を運営  http://合唱音源の新着情報.com  Azure Virtual Machine + Azure SQL Database  Twitter @s2terminal
4. Twitter投稿データ 合唱音源の新着情報 Azure VM上のアプリケーション(Ruby on Rails)で 登録情報をTwitterに半自動投稿 投稿に含まれる作曲者、曲名などの情報を 詳細データとしてタグ付け管理している
5. Twitter投稿データ  Twitter 800 件分の投稿データ  1,500 件の詳細データ (演奏者、作曲者名などのタグ情報)  3,000 回のリツイート(RT)データ  投稿とRTデータを組み合わせて、RTを評価点としてレコメンドしたい → Azure Machine Learning MatchBox Recommendation を使ってみた
6. Matchbox Recommendationで用いる3つのデータ  item-features  ツイートの詳細データ(作曲者名、曲名、投稿日など)に該当  user-features  Twitterユーザデータに該当（今回は無し）  user-item-rating  誰がどのツイートをRTしたか？の評価データ これらを使うことで、どんなuserが、どんなitemに評価をするか推測できる データソースにはCSV等いくつかの形式が使用可能
7. Azure Machine Learningワークスペースを作成  DataSouceをアップロード  ML Studio上でDataSource、Train Matchbox Recommendation、Score Matchboxを配置  Score Matchbox Recommendationの 「Recommended item selection」を 「From Rated Items」→「From All Items」に変更  Project Columnsを配置し、user-item- ratingの評価用出力をuser-idのみに絞る ※ ここまで数式もプログラムも一切なし。かんたん！
8. 結果 Item1 に 「 186 」 がずらり なにかと思ってDBを見てみると… https://twitter.com/s2terminal/status/550310731636158464
9. 最もたくさんRTされた投稿だった 普段は数RTしかされない中で 1個だけ 70 RTを超えているので 誰が考えてもそりゃそうなる。 機械とか関係ない。テクノロジーの欠片もない。 結果はあまり面白くないものの 無事にレコメンドすることができた
10. WebAPI化  PREPARE WEB SERVICEから、 Web Service Input/Outputを設定  C#、Python、Rの3種類で サンプルコードが提供される。  今回はRuby on Railsで記述  https://gist.github.com/s2terminal/4a 6d11d90803778e00027d6830e614e7 #file-request_azure_ml-rb  ※プログラム書いたのはここだけ！  APIを叩くWebサービスを作り Azure VMにdeployして完成
11. 課題  取得できるTweetに偏りがある  どのユーザに対しても、単にたくさんRTされたツイートばかり表示される  ユーザによってさまざまな結果が出てほしい  データを増やしたい  Twitterのお気に入りデータを取得したいが、良いAPIが無い  https://twittercommunity.com/t/list-of-people-who-favorited-a-particular-tweet/11083  (料金が正直よくわからない…)  https://azure.microsoft.com/ja-jp/pricing/details/machine-learning/  「スタジオ実験時間」「実稼働」に該当するのはどの時間？  無料プランはどこで選択するの？
12. まとめ Azure MLでかんたんに機械学習を始めることができる  プログラムが必要なのは、WebAPI化時のクライアント側の開発  数学も(最初は)必要ない  クラウドサービスなので、スケーラブルな計算リソースや WebベースのGUIツール等が最初から提供される  豊富なサンプルデータが用意されており、すぐに実験できる Why don‘t you use Azure Machine Learning?
13. 参考文献  クラウドではじめる機械学習 Azure MLでらくらく体験  http://www.amazon.co.jp/dp/4897979927  Webブラウザーだけで学ぶ機械学習の「お作法」  http://www.atmarkit.co.jp/ait/articles/1412/01/news104.html  Using Train Matchbox Recommender for Data Without Ratings  http://www.resolvinghere.com/sm/using-train-matchbox-recommender-for-data- without-ratings.shtml  「Training dataset of user-item-rating triples contains invalid data. . ( Error 0018 )」のエ ラーにはまったとき助けられました