Recruit Technologies Co., Ltd. (본사 : 도쿄 Chiyoda-Ku; 사장 겸 CEO : Nakao Ryuichiro; 이하 신입 사원으로 언급)는 놀이터 주소 검색 시스템을 구축하여 Deep Learning을 적용하기위한 노력의 일환으로이를 구현하고 있으며, 이는 사업을위한 기술을위한 기술을 유치했습니다.
"이미지 분석과 딥 러닝"을 "활성 학습을 통한 모델 개선"과 결합하여 검색 정확도를 지속적으로 개선 할 수있는 시스템을 달성했습니다. 시스템 구현의 결과로 여러 웹 서비스에 대한 검색 정확도가 향상되었으며 놀이터 주소의 평균 조회수가 개선되었습니다.

① 구조화되지 않은 데이터 분석에 대한 도전 - 인공 지능으로 많은 양의 졸린 놀이터 주소 데이터를 효과적으로 사용하여 다른 사람과 동일한 판단을 할 수 있습니다 -

Recruit Technologies는 인공 지능을 실현하기위한 기술로서의 주목을 받고있는 딥 러닝을 사용하여 구조화되지 않은 데이터 (※) 분석의 일환으로 자체 놀이터 주소 분석 시스템을 개발했습니다. "다른 사람과 같은 판단을 내릴 수있게되면"우리는 색상, 디자인 등을 기반으로 직관적 인 검색을 달성했습니다.
이 기술을 도입함으로써 목표는 그룹 서비스가 보유한 많은 양의 "이미지 정보"를 효과적으로 활용하고 그 어느 때보 다 서비스 품질 및 놀이터 주소 경험 가치를 향상시키는 것입니다.
*놀이터 주소 나 텍스트와 같이 구조로 정의되지 않은 데이터. 숫자 값 및 트래픽 정보와 같은 데이터베이스에서 관리 된 "구조화 된 데이터"와 대조됩니다.

딥 러닝 및 적극적인 학습을 통한 기계 학습 논리 활용 - 정확도 향상 외에도 지속적인 모델 개선이 가능합니다.

놀이터 주소 인식 함수는 다음과 같은 방식으로 구현됩니다. 딥 러닝과 같이 세계에서 실질적으로 사용되는 기계 학습 논리, 인간 뇌의 구조를 모방하는 학습 모델 및 정확도를 향상시키는 데 필요한 정보를 자동으로 권장하는 기계 학습 논리를 결합함으로써 놀이터 주소에서 객체를 인식하는 정확도를 향상 시켰습니다.

놀이터 주소에서 객체를 인식하는 데 사용되는 기술
[정량화 기능] : 딥 러닝
└ 그것은 뇌의 구조를 모방하는 신경망의 한 유형입니다. 놀이터 주소와 기타 데이터를 작은 조각으로 나누고 기능 지점을 자동으로 추출함으로써 인간의 관여없이 학습을 수행 할 수 있습니다.
[기계 학습을 사용한 데이터 식별] : 지원 벡터 머신 (SVM)
└ 이것은 패턴 인식 모델 중 하나이며 사전 획득 된 데이터를 기반으로 주어진 데이터를 분류하고 식별 할 수 있습니다.

정확도를 향상시키고 시스템 운영을 지원하는 기술
[연속 정확도 튜닝] : 능동 학습
└ 딥 학습 및 SVM을 통한 데이터 식별의 정확도를 향상시키기 위해 추가 학습 데이터를 자동으로 추가 할 것을 자동으로 권장합니다. 노력없이 놀이터 주소 분석의 정확도를 지속적으로 개선 할 수 있습니다.
[전문가가 아니더라도 사용하기 쉬운] : 고유 한 API
우리는 놀이터 주소를 입력으로 보내고 레이블이 붙은 결과를 수신하여 웹 서비스 제공 업체가 작동 할 수있는 시스템을 만들었습니다. 전문 지식없이 위에서 언급 한 놀이터 주소 분석 시스템을 쉽게 활용할 수 있습니다.

③ ③ 직관적 인 이미지 검색, 놀이터 주소가 쉽게 조치를 취할 수있는 환경을 만듭니다 -사이트보기 및 클릭 제한 속도 -

"Hot Pepper Beauty"스마트 폰 앱 네일 검색 사례 연구
Hot Pepper Beauty의 스마트 폰 앱은 Recruit Lifestyle Co., Ltd. (본사 : Chiyoda-Ku, Tokyo; CEO : Asano Ken; 신입 사수 라이프 스타일이라고 불리는
네일 디자인 색상 검색 (39 색 선택)
손톱에 대한 유사한 디자인 검색
.
결과 : "A. 색상 검색"에서 검색 결과의 클릭률이 크게 향상되었으며 "B. 유사한 설계 검색"에서는 평균적으로 보이는 이미지 수가 증가하여 놀이터 주소 조치가 증가했습니다.

"수집"부적절한 놀이터 주소 탐지 케이스
큐 레이션 잡지 "Gathery"에서, 우리는 운영자와 협력하여 라이프 스타일을 모집하여 "부적절한 놀이터 주소를 감지하고 제거하는 시스템"을 소개했습니다. 분석을 여러 단계로 가중시켜 약 95%의 정확도가 달성됩니다.

~ 기술 개요 ~
・ 놀이터 주소를 정량화하기 위해 논리를 사용하여 Deeplearning, 안전/성적/Glotesque 라벨링 사용.
・는 2 단계 차별을 사용합니다. 가중치에 대한 기능은 초기 차별 (※)에서 레이블의 예상 결과를 약 95%로 향상시킵니다.
・ 놀이터 주소 라벨링은 이제 33,000 시트/시간 이상의 속도로 나눌 수 있습니다.
*2 단계 예상 결과 가중치 논리는 현재 특허를 보류 중입니다.

위에도, 우리는 앞으로 "놀이터 주소의 내용을 감지하기위한 기술"을 개선함으로써 "텍스트 정보가 단순히 놀이터 주소를 등록하여 입력하는 세계를 실현할 수있을 것"이라고 생각합니다.
AI가 인간의 힘이 아닌 놀이터 주소 및 문서와 같은 복잡한 데이터의 의미를 결정할 수 있다면지금까지 간과 된 많은 양의 데이터를보다 효과적이고 직관적으로 사용합니다이것은 다음과 같습니다. 또한 언어의 차이로 인해 해외 확장에 장애가되는 텍스트 데이터와 비교할 때 놀이터 주소에서받은 인상은 국가에 관계없이 보편적입니다.또한 놀이터 주소 데이터를 데이터 허브로 전환하여 해외 데이터 분석 촉진. 이러한 미래를 염두에두고, 채용 기술은 놀이터 주소 인식 및 텍스트 분석을 포함하여 구조화되지 않은 데이터를 계속 분석 할 것입니다.

◇ 전례없는 경험 가치 제공을 목표로하는 Technologies의 이니셔티브 모집

Recruit Technologies는 놀이터 주소에게 전례없는 경험 가치를 제공하기 위해 고급 기술을 모집 그룹 서비스에 구현하고 있습니다. 아래에 우리는 빅 데이터 활용 및 기계 학습과 관련된 이니셔티브를 소개합니다.

빅 데이터 관련 강의
◆ 시스템 관리자를위한 여름 코스 (2015 년 7 월 10 일)
'신입 사원의 빅 데이터 활용 인프라 및 데이터 활용 노력'
Big Data Utization Infrastructure 및 Metadata Management System (Metalooking) 도입. 각 비즈니스에 대한 여러 서비스를 운영하는 동안 데이터 정의 정보가 계획 및 개발간에 분배되면서 데이터를 완전히 활용할 수없는 문제가 분명 해지고 있습니다.

◆ 2015 인공 지능 협회의 전국 회의 (2015 년 5 월 31 일)
"놀이터 주소와의 장기 지분을 고려하여 신부 및 결혼식 정보를위한 정보 추천 시스템 구축"
단기간에 작업을 효율적으로 일치시키고 연결하는 일반적인 권장 사항에 대한 응답으로, 우리는 "특정 기간 (몇 달에서 1 년) 동안 서비스를 지속적으로 사용하는 서비스에 대한"회사 유형 추천 알고리즘 "을 개발했습니다.
기계 학습 방법 중 하나 인 "전송 학습"을 사용하여 일부 앱의 놀이터 주소 동작에 따라 전체 앱을 개인화합니다. 이는 각 단계의 최적 타이밍에서 적절한 정보를 권장하고 초기 단계에서 놀이터 주소 심리학을 촉진하여 놀이터 주소 시간 쉐어 및 개선 된 CV를 달성하는 경우를 발표했습니다.

◆ Hadoop 소스 코드 읽기 19th (2015 년 5 월 21 일)
"더 빠른 추천 배치를위한 Spark/Mapreduce 머신 러닝 라이브러리의 비교 검증"
축적 된 데이터의 양이 증가함에 따라 증가 된 배치의 배경이 증가함에 따라, 우리는 차세대 데이터 분석 처리 플랫폼으로서 앱 관점에서 Spark의 실용성 검증 검증 방법과 결과를 발표했습니다. 현재 재단은 추천 정확도를 손상시키지 않고 실행 시간이 크게 단축되었으며, 스케일은 비슷하므로 Spark가 차세대 권장 처리 플랫폼으로 유용하다는 것을 분명히합니다.

◆ Nikkei Big Data Lab Special Seminar (2015 년 2 월 25 일)
"마케팅 관점에서 BigData 사용"
각 단계마다 빅 데이터 이용의 예를 다루면서 고객 유치에서 실제 행동에 이르기까지 우리는 또한 채용에서 빅 데이터 사용의 승리 패턴을 언급합니다. 우리는 또한 Recruit Technologies의 빅 데이터 조직의 스타트 업 역사와 확장의 핵심 요점을 되돌아보고 재단 및 활용 부서에 입찰하여 조직 운영과 같은 조직 관리의 노하우를 도입했습니다.


URL을 보내는 비콘 장치 및 전용 앱 개발
IoT 기술을 효과적으로 활용하기위한 척도로서 2015 년 3 월, Bluetooth LE와 전용 스마트 폰 앱을 통해 URL을 보내는 비콘 장치 (※)를 개발하고 데모 실험을 수행했습니다.
버스 정류장 및 레스토랑에 비콘 장치를 설치하면 접근하는 사람들의 스마트 폰은 버스 시간표, 남은 대기 시간 및 식당 메뉴와 같은 현재 필요한 정보를 자동으로 검색하고 표시 할 수 있습니다.
*2014 년 10 월 3 일 Google이 발표 한 PhysicalWeb 프로젝트에 정의 된 Uribeacon 사양을 준수합니다.

연락처 정보

Recruit Technologies Co., Ltd. PR 사무국 Ikeda, Osawa, Ohata
전화 : 03-5545-3888 팩스 : 03-5545-3887 메일 :/support/form/
5F Akasaka Enosaka Mori Building, 1-7-1 Akasaka, Minato-Ku, 도쿄 107-0052