Xit おすすめ番組改善

指数関数的に増大するコンテンツの検索を容易にしたい、これは誰もが気になる非常に興味深いテーマです。

当社ではIoTプラットフォーム上で収集したデータを活用したAIを使った視聴番組のおすすめ番組機能、4K STBを中心にした既存ビジネスと新規ビジネスを融合させた製品の開発を進めております。

〇これまで
2018年10月の段階では、協調フィルタリングを機械学習ベースの Smart Adaptive Recommendations (SAR) Algorithm を採用していました。
これはユーザー予約履歴と番組情報を元にした高速にスケール可能なレコメンドのアルゴリズムで、未評価番組と評価数の少ないユーザーにも適用可能なレコメンドが可能でした。

〇テレビ番組固有の問題
VODとは異なり、日本ではARIBと呼ばれるデジタルテレビ特有の細かい規格があり、これまでのSARベースではユーザーが快適に番組を見つけることに限界を感じました。

デジタルテレビの規格の一例として以下のものがあります。

・ARIB STD-B10 デジタル放送に使用する番組配列情報標準規格にて大分類、中分類が規定されており、その非常に分類が細かいこと
・サイマル放送（同時刻であっても地域によって番組タイトルが異なるが番組内容は同じ）があること

〇これから
日本のデジタルテレビ固有の規格に追従するため、社内で実施したABテストの結果を踏まえ、協調フィルタリングからモデルのカスタマイズ変更、データクレンジングそしてパラメータチューニングが容易であるニューラルネットワーク（NCF：Neural Collaborative Filtering）に切り替えることにしました。
NCFは線形性を持つGMFと非線形性を持つMLPの組み合わせから構成されております。

・Generalized Matrix Factorization(GMF)
・Multi-Layer Perceptron(MLP)

今回、ピクセラIoTプラットフォーム上に配置したGPUノードにおいて、NCFの弊社カスタムチューニング版を定期的に実行させ、ユーザーの皆様にこれまで以上に最適なおすすめ番組を提供することを目標としております。

 

なお、プラットフォーム部分でAzure Batch、Azure Batch ship-yard、Azure Container Registryを利用することで開発期間を1/3に短縮いたしました。

Azure Batch：
https://azure.microsoft.com/ja-jp/services/batch/
大規模な並列実行のバッチ コンピューティング ジョブを実行するためのサービス

Azure Batch ship-yard：
https://github.com/Azure/batch-shipyard
Azure Batchでコンテナ ベースのジョブを作成する際に利用できる便利なツール

Azure Container Registry (ACR)：
https://azure.microsoft.com/ja-jp/services/container-registry/
Docker コンテナーイメージ用の Azure ベースのプライベート レジストリ

〇提供時期
2019年1月中旬にSPEC2の投入を予定しています。

SPEC2投入後、更なる改善に努め、これまで以上に使い勝手の良い Xit おすすめ番組を提供して参ります。