ID:23696さん

弊社の広告活動の一環としてQiita記事作成を担当。注目度の高い記述記事を作成し、会社の知名度を上げることが目的。 「機械学習で隠れたの名店を発掘プロジェクト（ラーメン屋編）」という記事を作成しました。 飲食店の口コミサイトの口コミデータからAIによって、隠れた名店を発掘させることを挑戦しました。 https://qiita.com/toshiyuki_tsutsui/items/b3ac8fd1b300c3404508 【概要】 「隠れた名店」を評価点数の高いのラーメン店の口コミと類似度が高くかつ口コミ件数が少ない店と定義。 某口コミサイトの口コミ上位のラーメン屋の口コミデータをスクレイピングで取得。 学習データをword2vecでモデリング。学習データをkmeansでクラスタリングし、ラーメンに関するワードだけを抽出。さらに口コミ文章におけるTF-IDF値の高いワードに絞り、単語間類似度を計算し、ラーメン店Aに対して類似度の高いラーメン店Bをレコメンドさせるロジックを作成。対象ラーメン店のうち口コミ件数が下位２０％の中で、類似度が閾値以上のお店を自動抽出した。 【工夫した点】 学習データをラーメン屋の有名店に絞ったことで、有名店ならではの良質な口コミの取得に成功しました。 口コミには、ラーメンとは関係のないワードが多く含まれており、ノイズとなってレコメンド結果に悪影響を及ぼしていることがわかりました。そこで学習データをkmeansでクラスタリングし、ラーメンに関係するワードだけを抽出しました。そして、各お店の特徴を表す単語をTF-IDFという手法で絞ったことでレコメンド精度を改善しました。 【課題】 ラーメンの味の決め手はスープと言われています。 例えば、同じ具材を使用していてもスープのベースが醤油なのか味噌なのか豚骨なのかによって、全く違うラーメンとなります。そのため、ラーメンのスープのベースが違う店でもそれ以外の要素（ラーメンの具材やトッピング）の類似度が高い場合に似ている店としてレコメンドされることがありました。 今後は、クラスタリングでスープを表す単語を抽出し、その単語の類似度の得点を恣意的に高くするなどチューニングを行う予定です。