データマイニングCROSS 2012 Opening Talk - データマイニングの実サービス・ビジネス適用と展望

1. CROSS 2012
2012/01/27
データマイニングCROSS
Opening Talk
データマイニングの
実サービス・ビジネス適用と展望
TokyoWebmining主催
株式会社ディー・エヌ・エー
濱田晃一
DeNA Co.,ltd. ALL rights reserved

2. AGENDA
◆講師紹介
◆データマイニングの展開
◆データマイニング活用
◆大規模データマイニング基盤技術
◆実サービス・ビジネス活用例
◆大規模サービスでよく生じる課題と解決
◆各業界での展開へ
DeNA Co.,ltd. ALL rights reserved

3. AGENDA
◆講師紹介
◆データマイニングの展開
◆データマイニング活用
◆大規模データマイニング基盤技術
◆実サービス・ビジネス活用例
◆大規模サービスでよく生じる課題と解決
◆各業界での展開へ
DeNA Co.,ltd. ALL rights reserved

4. hamadakoichi
濱田晃一
http://iddy.jp/profile/hamadakoichi
4

5. データマイニング+WEB＠東京
TokyoWebmining
を主催しています
5

6. データマイニング+WEB＠東京
思い
蓄積データを活用し
継続的に活動進化できる
世界を作りたい

7. データマイニング+WEB＠東京
蓄積データを有効活用したい人が
それを実現できるようにしたい

8. データマイニング+WEB＠東京
蓄積データを活用した継続的なサービス・活動進化を
実現する
Google Group： http://groups.google.com/group/webmining-tokyo
8

9. 活動領域
2010年6月 DeNA入社
ソーシャルゲームの
データマイニングチーム立上げ
9

10. 活動領域
2010年6月 DeNA入社
ソーシャルゲームの
データマイニングチーム立上げ
2011年4月
データマイニング部門化
ソーシャルプラットフォーム Mobageの
データマイニング実行・ディレクション
10

11. 活動領域
ソーシャルメディアのデータマイニング活用
3200万人以上の人々へ
各人のつながり・楽しみ・好み 個性にあった適切なサービス提供
Social Media
Social Graph
Fun Like Personality
Objective Process
Data Mining
Machine Learning
各人のつながり、楽しみ、好み、個性にあった
より適切なサービス提供
11

12. よりよい世界の実現
ソーシャル・活動情報の活用により
より適切な情報・サービス配信される世界を実現したい
世界中の人々が
個々人のつながり・楽しみ・好みにあった適切な情報・サービスを
自ら探さなくても得ることができる世界
Social Media
Social Graph
Fun Like Personality
Objective Process
Data Mining
Machine Learning
各人のつながり、楽しみ、好み、個性にあった
より適切なサービス提供
12

13. AGENDA
◆講師紹介
◆データマイニングの展開
◆データマイニング活用
◆大規模データマイニング基盤技術
◆実サービス・ビジネス活用例
◆大規模サービスでよく生じる課題と解決
◆各業界での展開へ

14. データマイニングの展開
◆大規模データ：１日２０億超の行動情報
◆詳細行動情報：楽しさのマイニング
◆迅速なサービス洗練：最短数時間の洗練

15. データマイニングの展開
◆大規模データ：１日２０億超の行動情報
◆詳細行動情報：楽しさのマイニング
◆迅速なサービス洗練：最短数時間の洗練

16. Mobage
Mobage
モバイルソーシャルプラットフォーム
【ゲーム】 【SNS機能】
日記の掲載、サークルの形成・参加、アバター（自分の分身のキャ
ラクター）を使った匿名での自己紹介、その他のコミュニケーション
【情報配信機能】
【作品投稿】 実用性の高い情報を配信
小説、音楽、動画などの ニュース、天気予報、乗り換え案内など
作品の創作・投稿コーナー
DeNA Co.,ltd. ALL rights reserved 16

17. １日２０億超の行動情報
ソーシャルゲーム登場による大規模データの急激な増加
1日20億超の行動情報
（PV／日）
25億
２０億
2010年4月
15億
GREE
モバイル
10億
Mixi
モバイル
5億
Yahoo!
モバイル
0
2008年 2009年 2010年
出典:
当社 (月次推移のご報告), 株式会社ミクシィ （2010年度第1四半期決算説明資料）,
ヤフー株式会社 (2008年1月～2010年6月 月次報告),
グリー株式会社 (2010年度第4四半期決算説明資料)
DeNA Co.,ltd. ALL rights reserved 17

18. １日２０億超の行動情報
統計的有意な結果を
多くのユーザー体験へ還元
3200万人以上
１日２０億超アクション
DeNA Co.,ltd. ALL rights reserved 18

19. １日２０億超の行動情報
統計的有意な結果を
多くのユーザー体験へ還元
統計的有意
データマイニング・機械学習の
結果の統計的有意性
3200万人以上
１日２０億超アクション
DeNA Co.,ltd. ALL rights reserved 19

20. １日２０億超の行動情報
統計的有意な結果を
多くのユーザー体験へ還元
統計的有意 多くの人へ還元
データマイニング・機械学習の 多くのユーザー体験へ
結果の統計的有意性 還元できる
3200万人以上
１日２０億超アクション
DeNA Co.,ltd. ALL rights reserved 20

21. データマイニングの展開
◆大規模データ：１日２０億超の行動情報
◆詳細行動情報：楽しさのマイニング
◆迅速なサービス洗練：最短数時間の洗練

22. 詳細行動情報
目的・感情が分かる詳細行動情報
DeNA Co.,ltd. ALL rights reserved 22

23. 詳細行動情報
目的・感情が分かる詳細行動情報
ミッション ボス挑戦
勝つ 負ける
DeNA Co.,ltd. ALL rights reserved 23

24. 詳細行動情報
目的・感情が分かる詳細行動情報
ステータスアップ
ミッション ボス挑戦
勝つ 負ける
DeNA Co.,ltd. ALL rights reserved 24

25. 詳細行動情報
目的・感情が分かる詳細行動情報
ステータスアップ
ミッション ボス挑戦 応援 プレゼント
勝つ 負ける 仲間申請 ウィンク
交換
DeNA Co.,ltd. ALL rights reserved 25

26. 詳細行動情報
目的・感情が分かる詳細行動情報
ステータスアップ 助け合う
ミッション ボス挑戦 応援 プレゼント
勝つ 負ける 仲間申請 ウィンク
交換
DeNA Co.,ltd. ALL rights reserved 26

27. 詳細行動情報
目的・感情が分かる詳細行動情報
ステータスアップ 助け合う
ミッション ボス挑戦 応援 プレゼント バトル 奪う
勝つ 負ける 仲間申請 ウィンク 奪われる
交換
DeNA Co.,ltd. ALL rights reserved 27

28. 詳細行動情報
目的・感情が分かる詳細行動情報
ステータスアップ 助け合う スリル
ミッション ボス挑戦 応援 プレゼント バトル 奪う
勝つ 負ける 仲間申請 ウィンク 奪われる
交換
DeNA Co.,ltd. ALL rights reserved 28

29. 詳細行動情報
目的・感情が分かる詳細行動情報
ステータスアップ 助け合う スリル
ミッション ボス挑戦 応援 プレゼント バトル 奪う
勝つ 負ける 仲間申請 ウィンク 奪われる
交換
育成
耕す 種まき
水やり 収穫
捕獲
DeNA Co.,ltd. ALL rights reserved 29

30. 詳細行動情報
目的・感情が分かる詳細行動情報
ステータスアップ 助け合う スリル
ミッション ボス挑戦 応援 プレゼント バトル 奪う
勝つ 負ける 仲間申請 ウィンク 奪われる
交換
育成 収集
耕す 種まき アイテム取得
水やり 収穫 アイテム合成
捕獲 …
…
DeNA Co.,ltd. ALL rights reserved 30

31. 詳細行動情報
目的・感情が分かる詳細行動情報
ステータスアップ 助け合う スリル
ミッション ボス挑戦 応援 プレゼント バトル 奪う
勝つ 負ける 仲間申請 ウィンク 奪われる
交換
育成 収集
耕す 種まき アイテム取得
水やり 収穫 アイテム合成
捕獲 …
…
楽しさのマイニング
DeNA Co.,ltd. ALL rights reserved 31

32. 楽しさのマイニング
楽しさのマイニング
ユーザー体験へ還元
Social Media
Experience
DeNA Co.,ltd. ALL rights reserved 32

33. 楽しさのマイニング
楽しさのマイニング
ユーザー体験へ還元
Social Media
Experience
Social Graph
Detailed Actions
Changes of Status
Social Communications
Personality ..etc
DeNA Co.,ltd. ALL rights reserved 33

34. 楽しさのマイニング
楽しさのマイニング
ユーザー体験へ還元
Data Mining
Machine Learning
of Fun
Social Media
Experience
Social Graph
Detailed Actions
Changes of Status
Social Communications
Personality ..etc
DeNA Co.,ltd. ALL rights reserved 34

35. 楽しさのマイニング
楽しさのマイニング
ユーザー体験へ還元
Data Mining
Machine Learning
of Fun
PatternMining Clustering
Classification Regression Recommendation
TimeSeriesAnalysis StatisticalAnalysis
NaturalLanguageProcessing ..etc
Social Media
Experience
Social Graph
Detailed Actions
Changes of Status
Social Communications
Personality ..etc
DeNA Co.,ltd. ALL rights reserved 35

36. データマイニングの展開
◆大規模データ：１日２０億超の行動情報
◆詳細行動情報：楽しさのマイニング
◆迅速なサービス洗練：最短数時間の洗練
DeNA Co.,ltd. ALL rights reserved

37. 迅速なサービス洗練
解析結果を反映した
数時間～数日スパンで迅速なサービス洗練
DeNA Co.,ltd. ALL rights reserved 37

38. 迅速なサービス洗練
解析結果を反映した
数時間～数日スパンで迅速なサービス洗練
より楽しんでもらえるユーザー体験へ
DeNA Co.,ltd. ALL rights reserved 38

39. AGENDA
◆講師紹介
◆データマイニングの展開
◆データマイニング活用
◆大規模データマイニング基盤技術
◆実サービス・ビジネス活用例
◆大規模サービスでよく生じる課題と解決
◆各業界での展開へ
DeNA Co.,ltd. ALL rights reserved

40. データマイニング活用によるサービス洗練
データマイニング・機械学習の活用により
迅速なサービス洗練を実現しています
Data-mining
Machine-Leaning Data Mining Infrastructure
Results
KPI Inspection
DeNA Data Mining Libraries
KPI Views
Data Mining/Machine Learning
R
Mahout MapReduce
…
Morphological Analysis Perl
DeNA Social MA Pig Java Business
Pre-processing/Indexing
Planning
Lucene Hive HUE
Service Log API
Service Log API Hadoop DFS
Log API
Service
Unified Description of
… …
Action/Status Log
DeNA Co.,ltd. ALL rights reserved 40

41. データマイニング活用によるサービス洗練
Data Mining Infrastructure
DeNA Co.,ltd. ALL rights reserved 41

42. データマイニング活用によるサービス洗練
KPI(Key Performance Indicator)定常算出・共有
ビジネス・サービス変化を検知
Data Mining Infrastructure
KPI Inspection
KPI Views
DeNA Co.,ltd. ALL rights reserved 42

43. データマイニング活用によるサービス洗練
経営判断・サービス洗練を行うための
データマイニング実行
Data Mining Infrastructure
KPI Inspection
KPI Views
Business
Planning
DeNA Co.,ltd. ALL rights reserved 43

44. データマイニング活用によるサービス洗練
データマイニング・機械学習 結果のサービス活用
より楽しんでもらえるサービスへ
Data-mining
Machine-Leaning Data Mining Infrastructure
Results
KPI Inspection
KPI Views
…
Business
Planning
Service Log API
Service Log API
Log API
Service
… …
DeNA Co.,ltd. ALL rights reserved 44

45. 大規模データマイニング基盤
データマイニング・機械学習の活用により
迅速なサービス洗練を実現しています
Data-mining
Machine-Leaning Data Mining Infrastructure
Results
KPI Inspection
DeNA Data Mining Libraries
KPI Views
Data Mining/Machine Learning
R
Mahout MapReduce
…
Morphological Analysis Perl
DeNA Social MA Pig Java Business
Pre-processing/Indexing
Planning
Lucene Hive HUE
Service Log API
Service Log API Hadoop DFS
Log API
Service
Unified Description of
… …
Action/Status Log
DeNA Co.,ltd. ALL rights reserved 45

46. AGENDA
◆講師紹介
◆データマイニングの展開
◆データマイニング活用
◆大規模データマイニング基盤技術
◆実サービス・ビジネス活用例
◆大規模サービスでよく生じる課題と解決
◆各業界での展開へ
DeNA Co.,ltd. ALL rights reserved

47. Hadoopを用いた
大規模データマイニング基盤
DeNA Co.,ltd. ALL rights reserved 47

48. Hadoop
Hadoopとは
大規模分散処理を行うための基盤
・Apache プロジェクト
・Java オープンソース
・Googleが2004年に発表した論文を実装
・主要コンポーネント
・分散ファイルシステム: HDFS (Hadoop Distributed File System)
・分散処理フレームワーク: Mapreduce
DeNA Co.,ltd. ALL rights reserved 48

49. Hadoopの主な利用企業
広告・ECサイト・検索・SNS等
大規模データを有するサービスで利用されている
DeNA Co.,ltd. ALL rights reserved 49

50. 分散ファイルシステム：HDFS
HDFS (Hadoop Distributed File System)
DataNodeを増やすことで大容量化が可能
• NameNode
– Meta情報を持つ、ファイル名、レプリケーション数、ファイルの保存場所など
• DataNode
– 実際のデータを格納するNode。ブロックサイズごとにファイルを分割して１
つのファイルを複数のNodeで保存
クライアントからは
巨大な一つのストレージに DataNode
アクセスしているように見える NameNode
HDFS
クライアント
DeNA Co.,ltd. ALL rights reserved 50

51. 分散ファイルシステム：HDFS
同一ブロックが複数のDataNodeに分散配置されることで
冗長性が担保される
固定長ブロックに分割
1 1 同一ブロックが複数のDataNodeに
ファイル 2 2 分散配置される(default 3)
3
1 1 3
2
1 2 3 2
DataNode
2 3 2 1
1 2 1
DeNA Co.,ltd. ALL rights reserved 51

52. 分散処理フレームワーク: MapReduce
MapがkeyとValueにデータを振り分け、Reduceがkeyごとに集計
分散処理を実現する
User毎のPageView集計での例
Map
userA userD userA userC userB userD key
大量データに対する 3 7 1 2 6 5 value
分散演算
Shuffle & Sort
Reduce userA userB userC userD
userA userA userD
演算結果の集計 userB userC userD
3 1 6 2 7 5
userA userB userC userD
4 6 2 １２
DeNA Co.,ltd. ALL rights reserved 52

53. 大規模データマイニング基盤構成
DeNA Co.,ltd. ALL rights reserved 53

54. 大規模データマイニング基盤
データマイニング・機械学習の活用により
迅速なサービス洗練を実現しています
DeNA Co.,ltd. ALL rights reserved 54

55. 大規模データマイニング基盤
データマイニング・機械学習の活用により
迅速なサービス洗練を実現しています
Data-mining
Machine-Leaning Data Mining Infrastructure
Results
KPI Inspection
DeNA Data Mining Libraries
KPI Views
Data Mining/Machine Learning
R
Mahout MapReduce
…
Morphological Analysis Perl
DeNA Social MA Pig Java Business
Pre-processing/Indexing
Planning
Lucene Hive HUE
Service Log API
Service Log API Hadoop DFS
Log API
Service
Unified Description of
… …
Action/Status Log
DeNA Co.,ltd. ALL rights reserved 55

56. 大規模データマイニング基盤
Data Mining Infrastructure
DeNA Co.,ltd. ALL rights reserved 56

57. 大規模データマイニング基盤
KPI(Key Performance Indicator)定常算出・共有
ビジネス・サービス変化を検知
Data Mining Infrastructure
KPI Inspection
KPI Views
DeNA Co.,ltd. ALL rights reserved 57

58. 大規模データマイニング基盤
経営判断・サービス洗練を行うための
データマイニング実行
Data Mining Infrastructure
KPI Inspection
KPI Views
Business
Planning
DeNA Co.,ltd. ALL rights reserved 58

59. 大規模データマイニング基盤
データマイニング・機械学習 結果のサービス活用
より楽しんでもらえるサービスへ
Data-mining
Machine-Leaning Data Mining Infrastructure
Results
KPI Inspection
KPI Views
…
Business
Planning
Service Log API
Service Log API
Log API
Service
… …
DeNA Co.,ltd. ALL rights reserved 59

60. 大規模データマイニング基盤
Hadoop
全行動ログ/サービスデータ 投入
Data-mining
Machine-Leaning Data Mining Infrastructure
Results
KPI Inspection
KPI Views
…
Business
Planning
Service Log API
Service Log API Hadoop DFS
Log API
Service
Unified Description of
… …
Action/Status Log
DeNA Co.,ltd. ALL rights reserved 60

61. 大規模データマイニング基盤
Pig/Hive
少ない記述量での一次集計/簡易KPI算出
Data-mining
Machine-Leaning Data Mining Infrastructure
Results
KPI Inspection
KPI Views
… MapReduce
Pig Business
Data Schema
Planning
Service
Zebra
Hive
Log API
Service Log API Hadoop DFS
Log API
Service
Unified Description of
… …
Action/Status Log
DeNA Co.,ltd. ALL rights reserved 61

62. 大規模データマイニング基盤
HUE
GUIベースの解析環境/アクセス管理
Data-mining
Machine-Leaning Data Mining Infrastructure
Results
KPI Inspection
KPI Views
… MapReduce
Pig Business
Data Schema
Planning
Zebra
Hive HUE
Service Log API
Service Log API Hadoop DFS
Log API
Service
Unified Description of
… …
Action/Status Log
DeNA Co.,ltd. ALL rights reserved 62

63. 大規模データマイニング基盤
MapReduce/Perl/Java
時系列処理・ゲーム分散シミュレーション等
Data-mining
Machine-Leaning Data Mining Infrastructure
Results
KPI Inspection
DeNA Data Mining Libraries
KPI Views
MapReduce
… Perl
Pig Java Business
Planning
Hive HUE
Service Log API
Service Log API Hadoop DFS
Log API
Service
Unified Description of
… …
Action/Status Log
DeNA Co.,ltd. ALL rights reserved 63

64. 大規模データマイニング基盤
R
統計解析・データマイニング・機械学習
Data-mining
Machine-Leaning Data Mining Infrastructure
Results
KPI Inspection
KPI Views
R
MapReduce
… Perl
Pig Java Business
Planning
Hive HUE
Service Log API
Service Log API Hadoop DFS
Log API
Service
Unified Description of
… …
Action/Status Log
DeNA Co.,ltd. ALL rights reserved 64

65. 大規模データマイニング基盤
Mahout
大規模データマイニング・機械学習
Data-mining
Machine-Leaning Data Mining Infrastructure
Results
KPI Inspection
KPI Views
Data Mining/Machine Learning
R
Mahout MapReduce
… Perl
Pig Java Business
Planning
Hive HUE
Service Log API
Service Log API Hadoop DFS
Log API
Service
Unified Description of
… …
Action/Status Log
DeNA Co.,ltd. ALL rights reserved 65

66. 大規模データマイニング基盤
Data Mining Libraries
各種ソーシャル行動解析用のデータマイニングライブラリ
Data-mining
Machine-Leaning Data Mining Infrastructure
Results
KPI Inspection
DeNA Data Mining Libraries
KPI Views
Data Mining/Machine Learning
R
Mahout MapReduce
…
Morphological Analysis Perl
DeNA Social MA Pig Java Business
Pre-processing/Indexing
Planning
Lucene Hive HUE
Service Log API
Service Log API Hadoop DFS
Log API
Service
Unified Description of
… …
Action/Status Log
DeNA Co.,ltd. ALL rights reserved 66

67. 大規模データマイニング基盤
データマイニング・機械学習による
迅速なサービス洗練を実現しています
Data-mining
Machine-Leaning Data Mining Infrastructure
Results
KPI Inspection
DeNA Data Mining Libraries
KPI Views
Data Mining/Machine Learning
R
Mahout MapReduce
…
Morphological Analysis Perl
DeNA Social MA Pig Java Business
Pre-processing/Indexing
Planning
Lucene Hive HUE
Service Log API
Service Log API Hadoop DFS
Log API
Service
Unified Description of
… …
Action/Status Log
DeNA Co.,ltd. ALL rights reserved 67

68. AGENDA
◆講師紹介
◆データマイニングの展開
◆データマイニング活用
◆大規模データマイニング基盤技術
◆実サービス・ビジネス活用例
◆大規模サービスでよく生じる課題と解決
◆各業界での展開へ
DeNA Co.,ltd. ALL rights reserved

69. データマイニングの展開
◆大規模データ：１日２０億超の行動情報
◆詳細行動情報：楽しさのマイニング
◆迅速なサービス洗練：最短数時間の洗練
DeNA Co.,ltd. ALL rights reserved

70. 楽しさのマイニング
楽しさのマイニング
ユーザー体験へ還元
Data Mining
Machine Learning
of Fun
PatternMining Clustering
Classification Regression Recommendation
TimeSeriesAnalysis StatisticalAnalysis
NaturalLanguageProcessing ..etc
Social Media
Experience
Social Graph
Detailed Actions
Changes of Status
Social Communications
Personality ..etc
DeNA Co.,ltd. ALL rights reserved 70

71. 活動例（抜粋）
楽しさのマイニング
ユーザー体験へ還元
Data Mining
Machine Learning
of Fun
PatternMining Clustering
Classification Regression Recommendation
TimeSeriesAnalysis StatisticalAnalysis
NaturalLanguageProcessing ..etc
Social Media
Experience
Social Graph
Detailed Actions
Changes of Status
Social Communications
Personality ..etc
DeNA Co.,ltd. ALL rights reserved 71

72. 活動例（抜粋）: Recommendation
Recommendation
より楽しんでもらえるサービス推薦
DeNA Co.,ltd. ALL rights reserved

73. 活動例（抜粋）: Recommendation
Recommendation Strategy
推薦戦略
DeNA Co.,ltd. ALL rights reserved

74. 活動例（抜粋）: Recommendation
Recommendation Strategy
推薦戦略
Standard Recommendation Methodologies
Memory Based Paradigm Model Based Paradigm
(most user decision focused) (most detailed experiments and rationale)
> 強調フィルタリング (users that play A play B) > パターンの学習と予測
> ソーシャルグラフ (user neighborhood) > latent semantic analysis (game text similarity)
> 強化学習 (user feedback) > artificial neural network
> locality sensitive hashing (user profile similarity)
Emergent Intelligence Paradigm Hybridized Intelligence Paradigm
(fastest adaptation) (most successful globally)
> エージェントランダムウォーク(user similarity search) > 手法の組合せによる向上
> 遺伝的アルゴリズム (game preference convergence) >> 友人がいないとき (e.g. new user)
>> 利用データが存在しないとき (e.g. new game)
>> モデルからメタデータが取得できないとき
> 混合手法によるこれらの課題解決
DeNA Co.,ltd. ALL rights reserved

75. 活動例（抜粋）: Recommendation
Recommendation Strategy
推薦戦略
Standard Recommendation Methodologies
Memory Based Paradigm Model Based Paradigm
(most user decision focused) (most detailed experiments and rationale)
> 強調フィルタリング (users that play A play B) > パターンの学習と予測
> ソーシャルグラフ (user neighborhood) > latent semantic analysis (game text similarity)
> 強化学習 (user feedback) > artificial neural network
> locality sensitive hashing (user profile similarity)
Emergent Intelligence Paradigm Hybridized Intelligence Paradigm
(fastest adaptation) (most successful globally)
> エージェントランダムウォーク(user similarity search) > 手法の組合せによる向上
> 遺伝的アルゴリズム (game preference convergence) >> 友人がいないとき (e.g. new user)
>> 利用データが存在しないとき (e.g. new game)
>> モデルからメタデータが取得できないとき
> 混合手法によるこれらの課題解決
DeNA Co.,ltd. ALL rights reserved

76. 活動例（抜粋）: Recommendation
Social Collaborative Filtering
ソーシャルグラフを用いたユーザー行動履歴・グラフによる推薦
Social Graph
Input User History
and Social Graph Collaborative Filtering (Global)
RECS
(Global Matrix Model for “A likes B”)
New user with no history
Friend Input User History and
Collaborative Filtering (Personal)
RECS
Neighborhood
user (Neighborhood Matrix Model for “A likes B”)
Neighborhood
User with history
Item-Item Matrix of Relationships (Invented by Amazon.com)
Friend of Friend
Wikipedia Image of a Social Network Relationship between Game A2 and C2
There are thousands of collaborative filtering varieties:
+ user friend neighborhood… Users who “bought A bought C”, “viewed A viewed C”…
+ user similarity clustered neighborhood…
References (International Research Copyrights)
DeNA Co.,ltd. ALL rights reserved

77. 活動例（抜粋）: Recommendation
Recommendation Strategy
推薦戦略
Standard Recommendation Methodologies
Memory Based Paradigm Model Based Paradigm
(most user decision focused) (most detailed experiments and rationale)
> 強調フィルタリング (users that play A play B) > パターンの学習と予測
> ソーシャルグラフ (user neighborhood) > latent semantic analysis (game text similarity)
> 強化学習 (user feedback) > artificial neural network
> locality sensitive hashing (user profile similarity)
Emergent Intelligence Paradigm Hybridized Intelligence Paradigm
(fastest adaptation) (most successful globally)
> エージェントランダムウォーク(user similarity search) > 手法の組合せによる向上
> 遺伝的アルゴリズム (game preference convergence) >> 友人がいないとき (e.g. new user)
>> 利用データが存在しないとき (e.g. new game)
>> モデルからメタデータが取得できないとき
> 混合手法によるこれらの課題解決
DeNA Co.,ltd. ALL rights reserved

78. 活動例（抜粋）: Recommendation
Content Similarity
コンテンツ類似度の利用
1
Latent Semantic Analysis via
Singular Value Decomposition
2
Cosine Similarity Equation
3 Similarity Game A2 and C2
4 5 6
Game A to B Cosine Similarity Matrix Smoothing Normalization
Statistical Z-Score removes Low
Game A to B Relationship Matrix
Confidence Scores
DeNA Co.,ltd. ALL rights reserved

79. 活動例（抜粋）: Recommendation
Social Neural Networks
ソーシャルグラフを用いたユーザー行動履歴・グラフによる推薦
Social Graph 1 G1 G1 0
1 G2 G2 0
0 G3 G3 0
0 G4 G4 1
0 G5 G5 0
Friend
0 G6 G6 0
user
0 G7 G7
Input User History 0
Neighborhood and Neighborhood
0 G8 G8 0
0 G9 G9 0
HISTORY RECOMMENDATIONS
Friend of Friend
Wikipedia Image of a Social Network
DeNA Co.,ltd. ALL rights reserved

80. 活動例（抜粋）: Recommendation
Recommendation Strategy
推薦戦略
Standard Recommendation Methodologies
Memory Based Paradigm Model Based Paradigm
(most user decision focused) (most detailed experiments and rationale)
> 強調フィルタリング (users that play A play B) > パターンの学習と予測
> ソーシャルグラフ (user neighborhood) > latent semantic analysis (game text similarity)
> 強化学習 (user feedback) > artificial neural network
> locality sensitive hashing (user profile similarity)
Emergent Intelligence Paradigm Hybridized Intelligence Paradigm
(fastest adaptation) (most successful globally)
> エージェントランダムウォーク(user similarity search) > 手法の組合せによる向上
> 遺伝的アルゴリズム (game preference convergence) >> 友人がいないとき (e.g. new user)
>> 利用データが存在しないとき (e.g. new game)
>> モデルからメタデータが取得できないとき
> 混合手法によるこれらの課題解決
DeNA Co.,ltd. ALL rights reserved

81. 活動例（抜粋）: Recommendation
Social Agent Emergence
エージェントによる隠されたグループ抽出
Sub-culture 1
Sub-culture 2
AGENT Random Walk
Genetic Algorithm
DeNA Co.,ltd. ALL rights reserved

82. 活動例（抜粋）: Recommendation
Recommendation Strategy
推薦戦略
Standard Recommendation Methodologies
Memory Based Paradigm Model Based Paradigm
(most user decision focused) (most detailed experiments and rationale)
> 強調フィルタリング (users that play A play B) > パターンの学習と予測
> ソーシャルグラフ (user neighborhood) > latent semantic analysis (game text similarity)
> 強化学習 (user feedback) > artificial neural network
> locality sensitive hashing (user profile similarity)
Emergent Intelligence Paradigm Hybridized Intelligence Paradigm
(fastest adaptation) (most successful globally)
> エージェントランダムウォーク(user similarity search) > 手法の組合せによる向上
> 遺伝的アルゴリズム (game preference convergence) >> 友人がいないとき (e.g. new user)
>> 利用データが存在しないとき (e.g. new game)
>> モデルからメタデータが取得できないとき
> 混合手法によるこれらの課題解決
DeNA Co.,ltd. ALL rights reserved

83. 活動例（抜粋）: Recommendation
Hybrid Models
Hybrid Model
Users that Like A Like B
Prediction
CF
AGENT SIM
NN
RL
DeNA Co.,ltd. ALL rights reserved

84. 活動例（抜粋）: Recommendation
Recommendation
より楽しんでもらえるサービス推薦
Standard Recommendation Methodologies
Memory Based Paradigm Model Based Paradigm
(most user decision focused) (most detailed experiments and rationale)
> 強調フィルタリング (users that play A play B) > パターンの学習と予測
> ソーシャルグラフ (user neighborhood) > latent semantic analysis (game text similarity)
> 強化学習 (user feedback) > artificial neural network
> locality sensitive hashing (user profile similarity)
Emergent Intelligence Paradigm Hybridized Intelligence Paradigm
(fastest adaptation) (most successful globally)
> エージェントランダムウォーク(user similarity search) > 手法の組合せによる向上
> 遺伝的アルゴリズム (game preference convergence) >> 友人がいないとき (e.g. new user)
>> 利用データが存在しないとき (e.g. new game)
>> モデルからメタデータが取得できないとき
> 混合手法によるこれらの課題解決
DeNA Co.,ltd. ALL rights reserved

85. 活動例（抜粋）
楽しさのマイニング
ユーザー体験へ還元
Data Mining
Machine Learning
of Fun
PatternMining Clustering
Classification Regression Recommendation
TimeSeriesAnalysis StatisticalAnalysis
NaturalLanguageProcessing ..etc
Social Media
Experience
Social Graph
Detailed Actions
Changes of Status
Social Communications
Personality ..etc
DeNA Co.,ltd. ALL rights reserved 85

86. 活動例（抜粋）: Pattern/Clustering/Classification
Feature Analysis
楽しさの行動パターン、やめてしまう状況パターン
DeNA Co.,ltd. ALL rights reserved

87. 活動例（抜粋）: Pattern/Clustering/Classification
Feature Analysis
楽しさの行動パターン、やめてしまう状況パターン
Pattern Mining
F1 E1
F2
E1
F3
F4
F5
Clustering Feature Analysis
Activity N, …
Classification
Activity 1 Regression
DeNA Co.,ltd. ALL rights reserved

88. 活動例（抜粋）
Feature Analysis/Prediction
楽しさの行動パターン、やめてしまう状況パターン
■楽しさの行動パターン
■やめてしまう状況パターン
DeNA Co.,ltd. ALL rights reserved 88

89. 活動例（抜粋）
Feature Analysis/Prediction
楽しさの行動パターン、やめてしまう状況パターン
■楽しさの行動パターン
・夢中になるきっかけ
⇒夢中になる体験をしてもらう
■やめてしまう状況パターン
DeNA Co.,ltd. ALL rights reserved 89

90. 活動例（抜粋）
Feature Analysis/Prediction
楽しさの行動パターン、やめてしまう状況パターン
■楽しさの行動パターン
・夢中になるきっかけ
⇒夢中になる体験をしてもらう
・楽しんでサービス継続している行動特徴
⇒楽しさのパターンを高頻度発生。より楽しいサービス体験。
⇒楽しさのパターンをサービス初期で体験。楽しさを理解。
■やめてしまう状況パターン
DeNA Co.,ltd. ALL rights reserved 90

91. 活動例（抜粋）
Feature Analysis/Prediction
楽しさの行動パターン、やめてしまう状況パターン
■楽しさの行動パターン
・夢中になるきっかけ
⇒夢中になる体験をしてもらう
・楽しんでサービス継続している行動特徴
⇒楽しさのパターンを高頻度発生。より楽しいサービス体験。
⇒楽しさのパターンをサービス初期で体験。楽しさを理解。
■やめてしまう状況パターン
・飽きはじめるきっかけ・不快な状況
⇒やめるきっかけを発生させないようにする。
DeNA Co.,ltd. ALL rights reserved 91

92. 活動例（抜粋）
Feature Analysis/Prediction
楽しさの行動パターン、やめてしまう状況パターン
■楽しさの行動パターン
・夢中になるきっかけ
⇒夢中になる体験をしてもらう
・楽しんでサービス継続している行動特徴
⇒楽しさのパターンを高頻度発生。より楽しいサービス体験。
⇒楽しさのパターンをサービス初期で体験。楽しさを理解。
■やめてしまう状況パターン
・飽きはじめるきっかけ・不快な状況
⇒やめるきっかけを発生させないようにする。
・飽きはじめたユーザーの予測・判別
⇒新鮮・斬新な体験を提供する
⇒他の楽しみ方の提供（他サービスへの推薦 等）
DeNA Co.,ltd. ALL rights reserved 92

93. 活動例（抜粋）
Feature Analysis/Prediction
楽しさの行動パターン、やめてしまう状況パターン
■楽しさの行動パターン
・夢中になるきっかけ
⇒夢中になる体験をしてもらう
・楽しんでサービス継続している行動特徴
⇒楽しさのパターンを高頻度発生。より楽しいサービス体験。
⇒楽しさのパターンをサービス初期で体験。楽しさを理解。
■やめてしまう状況パターン
・飽きはじめるきっかけ・不快な状況
⇒やめるきっかけを発生させないようにする。
・飽きはじめたユーザーの予測・判別
⇒新鮮・斬新な体験を提供する
⇒他の楽しみ方の提供（他サービスへの推薦 等）
DeNA Co.,ltd. ALL rights reserved 93

94. 活動例（抜粋）: Pattern/Clustering/Classification
Feature Analysis/Prediction
楽しさの行動パターン、やめてしまう状況パターン
例）
DeNA Co.,ltd. ALL rights reserved

95. 活動例（抜粋）: Pattern/Clustering/Classification
Feature Analysis/Prediction
楽しさの行動パターン、やめてしまう状況パターン
例） Pattern Mining
F1 E1 やめてしまう
F2
E1 夢中になり始める
F3
F4
F5
DeNA Co.,ltd. ALL rights reserved

96. 活動例（抜粋）: Pattern/Clustering/Classification
Feature Analysis/Prediction
楽しさの行動パターン、やめてしまう状況パターン
例） Pattern Mining
F1 E1 やめてしまう
F2
E1 夢中になり始める
F3
F4
F5
Clustering
Activity N, …
離脱
継続
Activity 1
DeNA Co.,ltd. ALL rights reserved

97. 活動例（抜粋）: Pattern/Clustering/Classification
Feature Analysis/Prediction
楽しさの行動パターン、やめてしまう状況パターン
例） Pattern Mining
F1 E1 やめてしまう
F2
E1 夢中になり始める
F3
F4
F5
Clustering Feature Analysis
Activity N, …
離脱
継続
Classification
Activity 1 Regression
DeNA Co.,ltd. ALL rights reserved

98. 活動例（抜粋）: Pattern/Clustering/Classification
Feature Analysis/Prediction
楽しさの行動パターン、やめてしまう状況パターン
例） Pattern Mining
F1 E1 やめてしまう
F2
E1 夢中になり始める
F3
F4
F5
Clustering Feature Analysis
Activity N, …
離脱
User Experience
Improvement
継続
Classification
Activity 1 Regression
DeNA Co.,ltd. ALL rights reserved

99. 活動例（抜粋）
楽しさのマイニング
ユーザー体験へ還元
Data Mining
Machine Learning
of Fun
PatternMining Clustering
Classification Regression Recommendation
TimeSeriesAnalysis StatisticalAnalysis
NaturalLanguageProcessing ..etc
Social Media
Experience
Social Graph
Detailed Actions
Changes of Status
Social Communications
Personality ..etc
DeNA Co.,ltd. ALL rights reserved 99

100. 活動例（抜粋）: Time Series Analysis
Anomaly detection
複数時系列から異常な振る舞いを検知する
C
A
時系列のモデリング 複数時系列の異常検知 B
時系列A 時系列A
異常な振る舞い
時系列B
時系列C 時系列B 時系列C
異常な振る舞いの時系列を検出
例1:トラフィック異常検知 例2:CM効果のノイズ除去
トラフィックA 地域A
CM効果
トラフィックB 地域B
トラフィックC 調査 地域C
異常な振る舞いをしている 異常な振る舞いをしている地域を
トラフィックの原因を調査する 除外して、CMの効果を算出する
100

101. 活動例（抜粋）: Time Series Analysis
Anomaly detection
新しいデータと過去時系列モデルの乖離から異常検出
異常スコア推移
モデル構築
異常値
◇例 : ARIMAモデル
異常スコアの算出
◇例 : 対数損失
t
101

102. 活動例（抜粋）: Time Series Analysis
TV Commercial Effects
時系列的な振る舞いの特徴から各KPIへのCMの影響度を算出
イベン
CM時系列 ト
新規
登録
CM ARPP
U
ARPU
各KPIの時系列
その
他
継続
外部
率
要因
地
域
102

103. 活動例（抜粋）
楽しさのマイニング
ユーザー体験へ還元
Data Mining
Machine Learning
of Fun
PatternMining Clustering
Classification Regression Recommendation
TimeSeriesAnalysis StatisticalAnalysis
NaturalLanguageProcessing ..etc
Social Media
Experience
Social Graph
Detailed Actions
Changes of Status
Social Communications
Personality ..etc
103

104. 活動例（抜粋）
Other Applications
他にも各種ユーザー体験向上に役立てています
■健全なプラットフォームへ
・不正書き込み判別
・年齢詐称の判別
■ユーザーの声によるサービス洗練
・ソーシャルコミュニケーションのテキストマイニング
等
104

105. 楽しさのマイニング
楽しさのマイニング
ユーザー体験へ還元
Data Mining
Machine Learning
of Fun
PatternMining Clustering
Classification Regression Recommendation
TimeSeriesAnalysis StatisticalAnalysis
NaturalLanguageProcessing ..etc
Social Media
Experience
Social Graph
Detailed Actions
Changes of Status
Social Communications
Personality ..etc
DeNA Co.,ltd. ALL rights reserved 105

106. AGENDA
◆講師紹介
◆データマイニングの展開
◆データマイニング活用
◆大規模データマイニング基盤技術
◆実サービス・ビジネス活用例
◆大規模サービスでよく生じる課題と解決
◆各業界での展開へ
DeNA Co.,ltd. ALL rights reserved

107. 大規模データマイニング基盤
統一行動記述
Data-mining
Machine-Leaning Data Mining Infrastructure
Results
KPI Inspection
DeNA Data Mining Libraries
KPI Views
Data Mining/Machine Learning
R
Mahout MapReduce
…
Morphological Analysis Perl
DeNA Social MA Pig Hive Business
Pre-processing/Indexing
Planning
Lucene Hive Pig
Service Log API
Service Log API Hadoop DFS
Log API
Service
Unified Description of
… …
Action/Status Log
DeNA Co.,ltd. ALL rights reserved 107

108. 統一行動記述
大規模サービスでよく生じる課題
大規模サービスでよく生じる課題
形式
置き場
DeNA Co.,ltd. ALL rights reserved 108

109. 統一行動記述
大規模サービスでよく生じる課題
大規模サービスでよく生じる課題
サービスごとにログフォーマットが異なる
形式 ・何を解析すればいいか分からない
・パラメータの値の意味が分からない
・類似の解析実装がサービスごとに
複数存在する
置き場
DeNA Co.,ltd. ALL rights reserved 109

110. 統一行動記述
大規模サービスでよく生じる課題
大規模サービスでよく生じる課題
サービスごとにログフォーマットが異なる
形式 ・何を解析すればいいか分からない
・パラメータの値の意味が分からない
・類似の解析実装がサービスごとに
複数存在する
ログの場所がばらばら・分散されている
置き場 ・どこにあるか分からず、解析時間より
ログを探し・集める時間のほうが長い
DeNA Co.,ltd. ALL rights reserved 110

111. 統一行動記述
大規模サービスでよく生じる課題
大規模サービスでよく生じる課題
サービスごとにログフォーマットが異なる
形式 ・何を解析すればいいか分からない
・パラメータの値の意味が分からない
・類似の解析実装がサービスごとに
複数存在する
ログの場所がばらばら・分散されている
置き場 ・どこにあるか分からず、解析時間より
ログを探し・集める時間のほうが長い
・データマイニング/機械学習よりも
ログ収集・基礎集計作業がメイン
・データマイニング・機械学習 活用まで出来ない
DeNA Co.,ltd. ALL rights reserved 111

112. 統一行動記述
統一行動ログによる解決
大規模サービスでよく生じる課題 統一行動記述での解決
サービスごとにログフォーマットが異なる
形式 ・何を解析すればいいか分からない
・パラメータの値の意味が分からない
・類似の解析実装がサービスごとに
複数存在する
ログの場所がばらばら・分散されている
置き場 ・どこにあるか分からず、解析時間より
ログを探し・集める時間のほうが長い
・データマイニング/機械学習よりも
ログ収集・基礎集計作業がメイン
・データマイニング・機械学習 活用まで出来ない
DeNA Co.,ltd. ALL rights reserved 112

113. 統一行動記述
統一行動ログによる解決
大規模サービスでよく生じる課題 統一行動記述での解決
サービスごとにログフォーマットが異なる 統一スキーマ
形式 ・何を解析すればいいか分からない ・データマイニング・機械学習実装の
・パラメータの値の意味が分からない 再利用/サービス横断解析が行える
・類似の解析実装がサービスごとに ・学習コストの低減
複数存在する データ形式・値の意味を調べる必要がない
ログの場所がばらばら・分散されている
置き場 ・どこにあるか分からず、解析時間より
ログを探し・集める時間のほうが長い
・データマイニング/機械学習よりも
ログ収集・基礎集計作業がメイン
・データマイニング・機械学習 活用まで出来ない
DeNA Co.,ltd. ALL rights reserved 113

114. 統一行動記述
統一行動ログによる解決
大規模サービスでよく生じる課題 統一行動記述での解決
サービスごとにログフォーマットが異なる 統一スキーマ
形式 ・何を解析すればいいか分からない ・データマイニング・機械学習実装の
・パラメータの値の意味が分からない 再利用/サービス横断解析が行える
・類似の解析実装がサービスごとに ・学習コストの低減
複数存在する データ形式・値の意味を調べる必要がない
ログの場所がばらばら・分散されている Hadoopに全てのログがある
置き場 ・どこにあるか分からず、解析時間より ・データ探索・収集時間ゼロ
ログを探し・集める時間のほうが長い 解析したいデータが全てある
・データマイニング/機械学習よりも
ログ収集・基礎集計作業がメイン
・データマイニング・機械学習 活用まで出来ない
DeNA Co.,ltd. ALL rights reserved 114

115. 統一行動記述
統一行動ログによる解決
大規模サービスでよく生じる課題 統一行動記述での解決
サービスごとにログフォーマットが異なる 統一スキーマ
形式 ・何を解析すればいいか分からない ・データマイニング・機械学習実装の
・パラメータの値の意味が分からない 再利用/サービス横断解析が行える
・類似の解析実装がサービスごとに ・学習コストの低減
複数存在する データ形式・値の意味を調べる必要がない
ログの場所がばらばら・分散されている Hadoopに全てのログがある
置き場 ・どこにあるか分からず、解析時間より ・データ探索・収集時間ゼロ
ログを探し・集める時間のほうが長い 解析したいデータが全てある
・データマイニング/機械学習よりも ・大規模データ処理技術
ログ収集・基礎集計作業がメイン ・データマイニング/機械学習
・データマイニング・機械学習 活用まで出来ない それぞれの技術が活用できる
DeNA Co.,ltd. ALL rights reserved 115

116. AGENDA
◆講師紹介
◆データマイニングの展開
◆データマイニング活用
◆大規模データマイニング基盤技術
◆実サービス・ビジネス活用例
◆大規模サービスでよく生じる課題と解決
◆各業界での展開へ
DeNA Co.,ltd. ALL rights reserved

117. １日２０億超の行動情報
ソーシャルゲーム登場による大規模データの急激な増加
1日20億超の行動情報
（PV／日）
25億
２０億
2010年4月
15億
GREE
モバイル
10億
Mixi
モバイル
5億
Yahoo!
モバイル
0
2008年 2009年 2010年
出典:
当社 (月次推移のご報告), 株式会社ミクシィ （2010年度第1四半期決算説明資料）,
ヤフー株式会社 (2008年1月～2010年6月 月次報告),
グリー株式会社 (2010年度第4四半期決算説明資料)
DeNA Co.,ltd. ALL rights reserved 117

118. １日２０億超の行動情報
統計的有意な結果を
多くのユーザー体験へ還元
統計的有意 多くの人へ還元
データマイニング・機械学習の 多くのユーザー体験へ
結果の統計的有意性 還元できる
3200万人以上
１日２０億超アクション
DeNA Co.,ltd. ALL rights reserved 118

119. 楽しさのマイニング
行動情報の詳細化
楽しさのマイニングによるユーザー体験還元
Data Mining
Machine Learning
of Fun
PatternMining Clustering
Classification Regression Recommendation
TimeSeriesAnalysis StatisticalAnalysis
NaturalLanguageProcessing ..etc
Social Media
Experience
Social Graph
Detailed Actions
Changes of Status
Social Communications
Personality ..etc
DeNA Co.,ltd. ALL rights reserved 119

120. 迅速なサービス洗練
解析結果を反映した
数時間～数日スパンで迅速なサービス洗練
より楽しんでもらえるユーザー体験へ
DeNA Co.,ltd. ALL rights reserved 120

121. 大規模データマイニング基盤
データマイニング・機械学習による
迅速なサービス洗練を実現しています
Data-mining
Machine-Leaning Data Mining Infrastructure
Results
KPI Inspection
DeNA Data Mining Libraries
KPI Views
Data Mining/Machine Learning
R
Mahout MapReduce
…
Morphological Analysis Perl
DeNA Social MA Pig Java Business
Pre-processing/Indexing
Planning
Lucene Hive HUE
Service Log API
Service Log API Hadoop DFS
Log API
Service
Unified Description of
… …
Action/Status Log
DeNA Co.,ltd. ALL rights reserved 121

122. データマイニング活用の場
統一行動記述とHadoop基盤による
データマイニング・機械学習の活用
大規模サービスでよく生じる課題 解決
サービスごとにログフォーマットが異なる 統一スキーマ
形式 ・何を解析すればいいか分からない ・データマイニング・機械学習実装の
・パラメータの値の意味が分からない 再利用/サービス横断解析が行える
・類似の解析実装がサービスごとに ・学習コストの低減
複数存在する データ形式・値の意味を調べる必要がない
ログの場所がばらばら・分散されている Hadoopに全てのログがある
置き場 ・どこにあるか分からず、解析時間より ・データ探索・収集時間ゼロ
ログを探し・集める時間のほうが長い 解析したいデータが全てある
・データマイニング/機械学習よりも ・大規模データ処理技術
ログ収集・基礎集計作業がメイン ・データマイニング/機械学習
・データマイニング・機械学習 活用まで出来ない それぞれの技術が活用できる
DeNA Co.,ltd. ALL rights reserved 122

123. 業界全体での活用
各業界での
データマイニング活用
DeNA Co.,ltd. ALL rights reserved 123

124. 業界全体での活用
各業界での
データマイニング活用
各業界でそれぞれの人々にあった
適切なサービス提供
DeNA Co.,ltd. ALL rights reserved 124

125. 業界全体での活用
本日、各業界で
データマイニング活用しているメンバーが大集合
実サービス・ビジネスで成功するためのノウハウ
今後の展開を
熱く語り合います
DeNA Co.,ltd. ALL rights reserved 125

126. 業界全体での活用
本日、各業界で
データマイニング活用しているメンバーが大集合
実サービス・ビジネスで成功するためのノウハウ
今後の展開を
熱く語り合います
DeNA Co.,ltd. ALL rights reserved 126

127. 業界全体での活用
本日、各業界で
データマイニング活用しているメンバーが大集合
実サービス・ビジネスで成功するためのノウハウ
今後の展開を
熱く語り合います
みなさんどうぞよろしくお願いいたします
DeNA Co.,ltd. ALL rights reserved 127

128. 業界全体での活用
本日、各業界で
データマイニング活用しているメンバーが大集合
実サービス・ビジネスで成功するためのノウハウ
今後の展開を
熱く語り合います
みなさんどうぞよろしくお願いいたします
ご清聴ありがとうございました
DeNA Co.,ltd. ALL rights reserved 128

129. AGENDA
◆講師紹介
◆データマイニングの展開
◆データマイニング活用
◆大規模データマイニング基盤技術
◆実サービス・ビジネス活用例
◆大規模サービスでよく生じる課題と解決
◆各業界での展開へ
DeNA Co.,ltd. ALL rights reserved

130. 関連資料
“Mobageの大規模データマイニング” - PRMU 2011 Big Data and Cloud, 2011/10/6
http://www.slideshare.net/hamadakoichi/mobage-prmu-2011-mahout-hadoop
“モバゲーの大規模データマイニング基盤におけるHadoop活用” - Hadoop Conference Japan 2011, 2011/2/22
http://www.slideshare.net/hamadakoichi/hadoop-hadoop-conference-japan-2011-hcj2011
DeNA Co.,ltd. ALL rights reserved 130