(cache) 第53回データマイニング+WEB ＠東京( #TokyoWebmining 53rd )ーファッション・コマース機械学習祭りーを開催しました

2016-04-16

■[Webmining][勉強会] 第53回データマイニング+WEB ＠東京( #TokyoWebmining 53rd )ーファッション・コマース機械学習祭りーを開催しました

2016/4/16 "第53回データマイニング+WEB ＠東京( #TokyoWebmining 53rd ) ーファッション・コマース機械学習祭りー" を開催しました。

会場提供して下さったSmartNewsさん、どうもありがとうございました。素敵なトークを提供してくれた講師メンバーに感謝します。多くの方々の参加を嬉しく思っています。

参加者ID・バックグラウンド一覧

参加者セキココ：第53回データマイニング+WEB ＠東京セキココ

(作成してくれた @komiya_atsushi さんに感謝）

以下、全講師資料、関連資料、ツイートまとめです。

AGENDA：

■Opening Talk：

O1.「データマイニング+WEB＠東京について」

講師：@hamadakoichi

オープニングトーク－創設の思い・目的・進行方針　－データマイニング+WEB勉強会＠東京 from Koichi Hamada

O2.「参加者全員自己紹介 (興味・活動)」(進行：@hamadakoichi)

0. ファッションでの深層学習活用した体験提供: 実サービスを用いたデモ ( @hamadakoichi )

MERYアプリ「関連商品」
- 体験提供：『ユーザーひとりが自分の好きなスタイル・テイストの商品に出会いファッションを楽しめる』
- 距離算出に適した空間を構成する構造を持つ Convolutional Neural Networkの構築・学習
- ファッションのスタイル・テイストが似ている商品をたどれる。
- 商品を着用した「モデル画像」、「商品画像」区別なく類似スタイル・テイストの商品をたどれる
  - 例：サングラスをかけた「モデル画像」から、モデルがかけているサングラスとスタイル・テイストが似ている「サングラス画像」をたどれる。
- 全アプリ適用されているので実際に体験できる。
MERYアプリを実際にさわってみてると深層学習活用した提供体験がよく分かる。
- MERYアプリ：iOS, Android
近々、上記内容を含む、Experience Design 2016の登壇資料も公開予定。

1.「Fashion Techのあんちょこ－機械学習編－」(講師:@tn1031)（発表:30分 + 議論:45分）

ITを活用したファッション関連サービスの盛り上がりは、Fashion Techという言葉の誕生に象徴されます。Fashion Techが含む数あるテーマのうち、本発表では特に機械学習に焦点をあて、ファッションを対象にした研究事例について紹介します。

トピック・議論：

50万アイテム
Fashioning Data: A 2015 Update - Data Innovations from the Fashion Industry: Fashioning Data
Styloko: The Fashion Discovery Engine - Styloko
- 柄の似たもの
deepomotic：Deepomatic - Turning images into gold
- 画像からEC サイトから商品検索。
レコメンド
- 行動、画像特徴、流行
Fashion Apparel Detection: The Role of Deep Convolutional Neural Network and Pose-dependent Priors
- 論文PDF
- CNNN + SVM
Fashionista: A Fashion-aware Graphical System for Exploring Visually Similar Items
- 論文PDF
- 画像検索
- 画像特徴用、アマゾン購入(流行に用いる)
- 画像特徴量: 学習済 CNN
- Fashion Learner : Matrix Factorizationベースの手法。
  - アイテムの魅力についての時間推移：
    - 魅力：購入数
  - 視覚情報にたいするユーザ反応の推移：
    - Ups and Downs: Modeling the Visual Evolution of Fashion Trends with One-Class Collaborative Filtering
    - 論文PDF
  - ユーザごとの趣向の変化
- 出力
  - アイテム類似度
  - 魅力の推移
Hi, magic closet, tell me what to wear!
- 論文PDF
- デモ動画：https://www.youtube.com/watch?v=y69U0htI8GU
- 教師データ：上半身・下半身の、画像特徴量／属性(色とか)、Occation、情報
- Occationと属性の関連性
ファッションでの興味の一貫性はどのくらい続くのか。研究あるのか。
- 全体傾向は11年みられた研究があるが、個人の興味の研究はあまりみない。
iQONアプリDownload：iOS, Android

参考文献：

2.「人工知能xファッション最前線」(講師: @kazukibs )（発表:30分+議論:45分）

人工知能Xファッション最前線 from Kazuki Baba

最近良くも悪くも話題の人工知能ですが、サービスにどのように応用できるのかファッションを例にご紹介したいと思います。実際にどういうところで上手く活用できていてどういうところに課題があるのかなどをお話しします。技術的には深層学習、画像解析、自然言語処理などの話題を織り交ぜつつ展開していく予定です。

トピック・議論

単品・スナップ・色違い込み
CNNを用いて分類
- 顔のあるなし判定: コーデ画像きれいに
- 商品のテイスト分類(20種)：ストリート、ガーリー、等
- カテゴリ判定
  - サイトによってはとても粗い分類されている。コーデは特に重要。Tシャツ、シャツ、チュニック等が全てトップスになっていたりする。
セグメンテーション: 複数商品の写真から単品商品を取る
- BING, Selective Search 等
副産物：曖昧な抽出：
- 例：春物のシャツが欲しい
  - 明るい服 : フィルタをかける。
自然言語処理
- レビュー・説明文
- つらい：画像に説明文が入れられている。OCRが必要。
  - ブランドロゴを写真に入れているから、ブランド名を文章で入れていない。
ファッション固有の問題
- 型番入っていない。ロジカルより感性的な自然言語表現。
- 表現の名寄せ：サロペット/オーバーオール
ファッション自然言語処理の課題
- 辞書つらい(新ブランド)
- 名寄厳しい(表記)
- SEO対策対策(関係ないけど、グッチ、プラダとか入っている)
他の活動
- ブランドの距離
  - ブランド単位での共起。アイテムレベルではスパースなので。好き・嫌い行動から。
  - 異性のブランドの評価、厳しい。
- ファッション統計
  - アイテム・ブランドに対しユーザごとの好き・嫌い(好き判断回数／見られた回数)は数十倍レベルで異なる。
  - 金額に敏感な人は高額なブランドでは嫌い選択する場合が多い
- コーディネート
  - 白シャツ→選択した白シャツに合う、アイテムパンツ、小物、等を選択
  - 色の組合せ、目立つものの制限、等
- コーディネートの方法の議論
  - コーディネートに対しても、ユーザが好き・嫌い評価。
  - ユーザがコーディネートするサービスでは、ユーザの作成が使える。このアイテムを用いたコーデを教えて欲しい、等
SENSYアプリ：iOS, Android