Recruit Technologies Co, Ltd (본사 : Chiyoda-Ku, Tokyo; CEO : Nakao Ryuichiro; 이하 모집 기술이라고 언급)는 놀이터 주소 검색 시스템을 구축하고 Deep Learning을 적용하기위한 노력의 일환으로 서비스를 구현하여 현실적인 지식을위한 기술을 유치하여 원래 지능을위한 기술을 유치했습니다
"놀이터 주소 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 사용자의 평균 조회수가 개선되었습니다

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

Recruit Technologies는 딥 러닝을 사용하여 구조화되지 않은 데이터 분석의 일부로 자체 놀이터 주소 분석 시스템을 개발하여 인공 지능을 실현하는 기술로 주목을 받고 있습니다 "다른 사람과 동일한 판단을 할 수있게되면"우리는 색상, 디자인 등을 기반으로 직관적 인 검색을 달성 할 수 있습니다
이 기술을 도입함으로써, 모집 그룹 서비스가 보유한 많은 양의 "놀이터 주소 정보"를 효과적으로 활용하고 그 어느 때보 다 서비스 품질 및 사용자 경험 가치를 향상시키는 것입니다
*놀이터 주소 나 텍스트와 같이 구조에 정의되지 않은 데이터 숫자 값 및 트래픽 정보와 같은 데이터베이스에서 관리 된 "구조화 된 데이터"와 대조됩니다

딥 러닝 및 적극적인 학습을 통한 머신 러닝 로직을 활용 - 정확도 향상 외에도 지속적인 모델 개선이 가능합니다

놀이터 주소 인식 기능은 다음 프로세스에서 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 DeePlearning의 매개 변수를 반복적으로 조정함으로써 객체 인식의 정확도는 약 80%이며 기존 기술 스파 스 코딩을 사용하는 것보다 두 배 이상 좋습니다
[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 작동을 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 쉽] : 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

직관적 인 놀이터 주소 검색을 수행하여 사용자가 쉽게 작업을 수행 할 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; 이하 신병 라이프 스타일이라고 불리는
A 네일 디자인 색상 검색 (39 색에서 선택)
B 손톱에 대한 유사한 디자인 검색
AI는 등록 된 각 놀이터 주소의 네일 위치를 자동으로 결정하고 색 히스토그램 및 디자인을 식별합니다 검색 결과에 반영됩니다 수동으로 입력 된 색상 및 설계 정보를 기반으로 검색 된 기존 놀이터 주소 검색과 비교하여 이제 정확하고 상세한 분석을 통해 직관적 인 결과를 표시 할 수 있습니다
결과 : "A 색상 검색"은 검색 결과의 클릭률을 크게 향상 시켰으며, "B 유사한 설계 검색"은 관찰 된 놀이터 주소의 평균 수를 증가시켜 사용자 작업이 증가했습니다

"수집"부적절한 놀이터 주소 탐지 케이스
Curation Magazine "Gathery"에서, 우리는 운영자와 협력하여 라이프 스타일을 모집하여 부적절한 놀이터 주소를 감지하고 제거하는 시스템을 소개했습니다 분석을 여러 단계로 가중시켜 약 95%의 정확도가 달성됩니다

~ 기술 개요 ~
・ 놀이터 주소 정량화 로직을 사용하여 탈취, 안전/성적/글로스크 라벨링 사용
・ 2 단계 차별이 채택되었습니다 가중치에 대한 기능은 초기 차별 (※)에서 레이블의 예상 결과를 약 95%로 향상시킵니다
・ 놀이터 주소 라벨링은 이제 33,000 장 이상의 속도로 나눌 수 있습니다
*2 단계 예상 결과 중량 로직은 현재 특허를 보류 중입니다

위의 것 외에도, 우리는 앞으로 "놀이터 주소의 내용을 감지하기위한 기술을 향상시킴으로써"우리는 "텍스트 정보가 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 대량의 데이터를보다 효과적이고 직관적으로 사용하는 것이것은 다음과 같습니다 또한 언어의 차이로 인해 해외 확장에 장애가되는 텍스트 데이터와 비교할 때 놀이터 주소에서받은 인상은 국가에 관계없이 보편적입니다놀이터 주소 데이터를 데이터 허브로 전환하여 해외 데이터 분석을 촉진하는 것 이상이러한 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 사용자에게 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)
'Data Utilization을 향한 Big Data Utilization Infrastructure 및 이니셔티브'
Big Data Utization Infrastructure 및 Metadata Management System (Metalooking) 도입 각 비즈니스에 대한 여러 서비스를 운영하는 동안 데이터 정의 정보가 계획 및 개발에 배포되는 것과 같이 데이터를 완전히 활용할 수없는 문제가 등장했습니다 시스템 관리자의 관점에서, 우리는 데이터 정의를위한 통합 관리 시스템 (= "메타 데이터")을 개발했으며, 필요한 기능을 식별하고 지속적으로 업데이트하기 위해 분석가의 관점에서 꾸준한 방식으로 구현되었습니다 우리는 분석 프로세스를 성공적으로 개선했습니다

◆ 2015 인공 지능 협회의 전국 회의 (2015 년 5 월 31 일)
"사용자와 장기적인 지분을 고려하여 신부 및 결혼식 정보를위한 정보 추천 시스템 구축"
짧은 시간에 작업을 효율적으로 일치시키고 연결하는 일반적인 권장 사항에 대한 응답으로, 우리는 "특정 기간 동안 (몇 달에서 1 년까지) 서비스를 지속적으로 사용하는 서비스에 대한"회사 유형 추천 알고리즘 "을 개발했습니다
기계 학습 방법 중 하나 인 "전송 학습"을 사용하여 일부 앱의 사용자 동작에 따라 전체 앱을 개인화합니다 이로 인해 사용자가 각 단계에서 최적의 타이밍으로 적절한 정보를 권장하고 초기 단계에서 사용자 심리학을 배양하여 적절한 정보를 권장하여 사용자가 시분할을 획득하고 CV를 개선 할 수있는 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 사람의 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 아카사카에 노사카 모리 빌딩, 1-7-1 아카 사카, 미나토-쿠, 도쿄 107-0052