クックパッド特売情報における自然言語処理〜固有表現抽出を利用した検索システム〜

クックパッド特売情報
における自然言語処理
∼固有表現抽出を利用した検索システム∼
YANS 第 10 回シンポジウム (2015/09/05 )
クックパッド株式会社
買物情報事業部
Takeshi Arabiki (@a_bicky)

お話しすること
•ものをつくること
•ものを動かすこと
•現実の問題を知ること
•足りない技術を生み出すこと

•いわゆるチラシサービスの一種
•店舗さんが商品情報を投稿

商品検索の使いどころ

•各ユーザに限定すると商品数が少ない
‣ e.g. 登録している店舗の商品
‣ 1件しかヒットしないことがよくある
•ユーザが意図的に検索するわけではない
‣ より適合率（精度）が求められる
特殊な検索事情

商品検索の
初期の課題

投稿された商品名キーワード
たまねぎドレッシング
フルーツゼリーみかん
たまねぎ
ドレッシング
フルーツ
ゼリー
みかん
形態素単位のインデキシング

たまねぎ
ドレッシング
フルーツ
ゼリー
みかん
形態素単位のインデキシング形態素単位のインデキシング
「たまねぎ」を使ったレシピに掲出
「みかん」を使ったレシピに掲出

固有表現抽出を利用した
検索システム

固有表現単位のインデキシング
商品名
味商品名
フルーツゼリー
みかん:TASTE

固有表現抽出を使うメリット
•適合率が上がる
•正規表現と違って文字列全体を考慮できる
•似たパターンの未知データにも対応可能

固有表現抽出の方法
•MeCab+IPAdic による形態素解析と正規化
‣ コストを商品名に最適化
‣ 辞書に代表表記の情報も登録
•CRFsuite による固有表現抽出
‣ 形態素解析した結果を素性に利用
‣ タグとして商品名、味、産地 etc.

% mecab -d dic
薄切り
薄切り名詞,サ変接続,*,*,*,*,薄切り,ウスギリ,ウスギリ
EOS
薄切
薄切名詞,サ変接続,*,*,*,*,薄切,ウスギリ,ウスギリ,薄切り,薄切り,ウスギリ
EOS
形態素解析結果と代表表記

商品検索の
現在の課題

商品名の形態素解析の難しさ
•かつおたたき
•ロース肉薄切り
•名詞の間にある接頭詞・名詞接尾
‣ e.g.「徳用焼き餃子」「生姜焼き徳用」

商品名の形態素解析の難しさ
•かつおたたき → かつ/お/たたき
•ロース肉薄切り → ロース/肉薄/切り
•名詞の間にある接頭詞・名詞接尾
‣ e.g.「徳用焼き餃子」「生姜焼き徳用」

知識ベースの構築
•同義語
‣ 「パクチー」と「コリアンダー」
•一般名と品種・商品名
‣ 「じゃがいも」と「メークイン」
•原料
‣ 「卵黄」と「卵」

商品検索クエリの最適化
•材料は「豚肉」だけど「豚肉薄切り」かも
‣ 「豚肉ブロック」は掲出させたくない
•材料名のクレンジング
‣ 材料名の括弧の中身は必要かどうか
‣ e.g.（薄切り）、（あれば）

http://www.nii.ac.jp/dsc/idr/cookpad/cookpad.html

•ものをつくること
•ものを動かすこと
•現実の問題を知ること
•足りない技術を生み出すこと

自然言語処理で
世界中の食卓に
笑顔を！

Empfohlen