学習推論エンジン「NEXTe」

製品紹介

学習型推論エンジン NEXTe(Neural EXTract engine)とは?

ユーザー個人にパーソナライズしたレコメンドサービスや、感性検索、自動分類を可能にする、学習型推論エンジンです。

用途

    エンターテイメント・コンテンツ業界や、ファッション業界等さまざまな分野において、商品やコンテンツの本質的要素の解析を行い、ユーザー個人の趣味・嗜好を学習して、様々なサービスとして利用いただくことが可能です。
    (利用例)
  • ・書籍や映画、音楽、洋服などの、ECサイトにおける、レコメンドエンジンとしての利用
  • ・上記分野における、商品・コンテンツの感性検索サービス
  • ・上記分野における、商品・コンテンツの自動分類、ジャンル分け

NEXTe導入によるメリット

  1. パーソナライゼ―ション
    ユーザー個人の趣味・嗜好を重視したレコメンドが可能です。また時間の経過によるユーザーの趣味・嗜好の変化にリアルタイムに追従し、現在の興味の対象を、レコメンドすることが可能です。
  2. 膨大な履歴情報を必要としない
    協調フィルタリング等で必要とされる、膨大な購買履歴や統計情報が無くても、精度の高いレコメンドが可能です。
  3. 処理時間が高速で、システムへの負担が軽い
    処理時間が高速かつ低リソースで動作し、システムへの負荷が軽くてすみます。

対応プラットフォーム

サーバー、スマートフォン(iPhone/Android)、PC、フィーチャーフォンへの搭載や、カーナビや家電等各種デバイスへの組込み等、さまざまなプラットフォームへの対応が可能です。

特徴量とは?

様々な分野におけるコンテンツや商品が持つ、固有で本質的な特徴を自動解析して、数値化したデータです。


レーダーチャート表示例

書籍、コミック等紙媒体コンテンツ
音楽メディアコンテンツ
映像メディアコンテンツ
ゲーム
洋服
・・・etc.

感性検索としての利用

特徴量データに含まれる、ジャンル的要素や、気分・感性的な要素の各軸ごとのパラメータを、検索UIとして利用することで、商品やコンテンツを感覚的に絞り込み、ユーザーのイメージに近いコンテンツを検索するサービスとして利用することが可能です。


千趣会採用例

コンテンツの自動分類、ジャンル分け

商品や、コンテンツのジャンル的要素や、気分・感性的要素の自動解析によって、膨大な数の商品・コンテンツの分類の作業効率を向上させたり、検索タグとしての利用が可能となります。


ジャンル的要素抽出例


気分・感性的な要素抽出例

採用事例

株式会社フェイス・ワンダーワークス様「GIGAうたフル」(携帯電話向け着うたフル配信サービス)

ユーザー個人の現在の好みにマッチする楽曲をレコメンド。
NEXTeは、音楽の本質的な特徴を解析し、ユーザーが知らなかった曲からも、意外な出会いを演出しています。

株式会社紀伊國屋書店様「Forest Plus」(DVD/CDのECサイト)

Forest Plusで販売されている、膨大な数のBD/DVDの、各タイトル毎の本私鉄的な特徴をNEXTeが自動解析。
映画をはじめとする膨大な数の映像作品の、ジャンル的な特徴を自動解析し、ユーザーの本質的な好みに近い映画作品のオススメを実現しています。

株式会社千趣会様「アイテム・ミキサー」(洋服の感性検索)

「フェミニン」「ベーシック」「カジュアル」「クール」「トレンド」「エレガンス」の各チャンネルごとに割り振られたスライダーを、ユーザーがまるで音楽のミキサーのように操作することで、感覚的に求めるイメージにぴったりな洋服を探せる、新感覚の洋服探しを実現しています。
アイテム・ミキサーでは、NEXTeによる、洋服の持つ本質的な特徴の解析データが使われています。

recommen.jp (レコメン・ドット・ジェイピー)

「学習型推論エンジンNEXTe(ネクスト)」を利用した商品おすすめサイト

製品に関するお問い合わせ

このページの先頭へ