このページの本文へ移動

Menu

メニュー

  • 企業 
  • ニュース 
  • サービス 
  • 技術・デザイン 
  • 採用 
  • 投資家情報 
  • サステナビリティ 
  • CyberAgent Way 

 

秋葉原ラボ技術報告書

2018年より、新たな取り組みとしてMedia Data Tech Studioの前身である秋葉原ラボ開設からこれまでの技術的な歩み・知見を社内外に発信するための、技術報告書の製作を開始しました。

この技術報告書はインターネットメディアサービスにおけるデータ活用のために何が必要で、そのために何に取り組み、どう発展させてきたのかを著したものです。
報告書という形でまとめることによって新たな示唆や発展を見出し、これをご覧になる多くの皆様と知見の共有および議論ができるようになり、さらなるMedia Data Tech Studioの持続性につながることを期待して制作しています。

この技術報告書は、学会や各種イベントなどで配布しております。

秋葉原ラボ技術報告 vol.4

メディア事業における研究開発組織として、サービス横断的なデータ利活用を推進するためのデータ処理基盤と、推薦システムやフィルタリングシステムの実装、およびデータ活用領域における管理会計や研究倫理などの境界分野に関する秋葉原ラボの取り組みを紹介しています。
データ分析基盤については、メディア事業が展開する様々なサービスのために種々の構成でシステムが構築されている中で効率的なデータ処理を実現するためのワークフローエンジンについて説明しています。さらに、これまでに構築してきた画像処理基盤の応用例として新規に実装した類似画像検索システムの設計と運用について述べています。また推薦システムについては、コールドスタート問題の解決を目指してABEMAを対象に実装した事例を、これまでに開発してきた学習モデル管理基盤の応用例として紹介しています。さらにサービス健全化を目的としたフィルタリングシステムの開発について、ピグパーティに採用されている例として紹介すると同時に、これまでに開発してきたアノテーションツールの活用事例として取り上げています。加えて、依存関係にある計算リソース消費に対する適切な費用請求を実現する管理会計システムと、国際的な質問紙調査を実施する上での研究倫理の観点でのテクニカルノートを掲載しています。
これらの取り組みは現在、秋葉原ラボの後継組織であるMedia Data Tech Studioが継承しています。

秋葉原ラボ技術報告 vol.3

当社のメディアサービスの多様性や、コンテンツ推薦や検索などの様々なデータ用途をふまえて、開発および逐次改善されてきた基盤システムに焦点を当てて、秋葉原ラボの取り組みを大きく3つに分けて紹介しています。
1つめは「データ活用のための基盤システム」として、システムの礎となるクラウドネイティブ環境とストリーム処理基盤について解説しています。
2つめは「機械学習システム」として、機械学習を応用したフィルタ基盤の開発の実践や機械学習に特有なモデル管理のために開発している基盤システムを紹介しています。
3つめは「画像処理」として、深層学習技術を実社会に応用するにあたって直面するデータセットの品質や実社会の課題とのギャップの問題を解決するための取り組みを実例を交えて紹介しています。

秋葉原ラボ技術報告 vol.2

当社のメディア事業で展開しているサービスのうち、特に「AbemaTV」「Amebaブログ」「AWA」の3つに着目して秋葉原ラボの取り組みを紹介しています。
インターネットテレビ局「AbemaTV」については、機能拡張に伴うユーザ体験の変化の分析や、Abemaビデオの推薦システムについて述べています。さらにメディアとしてのAbemaTVの社会的意義についてニュースに焦点を当てた分析に基づいて論じています。
ブログサービス「Amebaブログ」については、「自由」と「品質」とを両立させるという使命の下で開発した不適切コンテンツのフィルタリングシステムと、その精緻化のためのアノテーションシステムについて詳述しています。
音楽ストリーミングサービス「AWA」については、AWAに実装されている推薦機能の背後にある理論と実践について詳述しています。また、行動ログに基づいて人間の行動に普遍的に現れるとされる現象のモデル構築の試みについて述べています。
サービス毎にまとめられているのでわかりやすいとの評価を得ています。

秋葉原ラボ技術報告 vol.1

インターネット上のメディアサービス運営におけるアクセスログ等のデータの収集から分析までの流れを大きく3つに分けて秋葉原ラボの取り組みを紹介しています。
1つめは「大規模データ処理システム」として、オープンソースソフトウェアやクラウドサービスを活用しながらのデータ分析基盤の構築や継続的な改善について述べており、特に文字列検索やリアルタイムストリーミング処理エンジンについて詳述しています。 
2つめは「機械学習システム」として、スケーラビリティに長けたリアルタイム推薦システムの構築と、高速な類似文書探索のアルゴリズムについてそれぞれ述べています。
3つめは「データ分析」として、統計モデリングに基づくユーザ行動の分析について「AbemaTV」や「AWA」における事例を挙げています。またヒトや社会の理解に寄与するための学術的な取り組みについて述べています。
秋葉原ラボの取り組みの全体像を概観しやすいとの評価を得ています。