May 2022
Beginner to intermediate
296 pages
4h 14m
Japanese
4章と5章では、推薦アルゴリズムについて紹介してきました。それらの推薦アルゴリズムを実サービスへ組み込むためには、データベース、APIを含めた設計が必要になってきます。本章では、次の項目について、推薦システムを構築するために必要な考え方や設計のパターンを紹介します。
図6-1 機械学習モデルを用いた処理の流れ
機械学習モデルを推薦システムに組み込むには、モデルの学習、特徴量の抽出/更新、予測をどのような頻度やタイミングで行うかが重要です。
本章では、バッチ推薦とリアルタイム推薦の2つを以下のように定義します。
表6-1 バッチ推薦とリアルタイム推薦
| モデルの学習 | 特徴量の抽出/更新 | 予測 | |
|---|---|---|---|
| バッチ推薦 | バッチ | バッチ | バッチ |
| リアルタイム推薦 | バッチ or リアルタイム | リアルタイム | リアルタイム |
バッチ推薦は、モデルの学習から予測までの処理を決められた時刻に一括で行うものを指します。一方で、リアルタイム推薦は、特徴量の抽出/更新をユーザーのクリックなどをトリガーとしてリアルタイムに随時行い、予測もユーザーのリクエスト時にリアルタイムに行う方式の推薦を指します。
表6-2 バッチ推薦とリアルタイム推薦の使い分け
| フレッシュネスの要求レベル | 適する推薦方式 ... |
|---|
Read now
Unlock full access