また、編集部はこの内容について正確性を保証できません。
CTC教育サービスはコラム「グーグルのクラウドを支えるテクノロジー ＞ 第91回 Googleドライブ「クイックアクセス」機能のMLモデル開発（パート1）」を公開しました。
＃＃＃
はじめに
今回からは、2017年に公開された論文「Quick Access: Building a Smart Experience for Google Drive」を元にして、Googleドライブの「クイックアクセス」機能の開発、特に、表示するファイルを選択する機械学習システムについて解説していきます。
Googleドライブのクイックアクセス機能
WebブラウザでGoogleドライブにアクセスすると、画面の最上段に「頻繁に開いたドキュメント」「今日編集したファイル」などのメッセージと共に、ユーザーがこの後すぐに利用すると予想されたファイルが表示されます。あるいは、スマートフォンで開いた場合は、ホーム画面に同様のファイルが並びます。これは、「クイックアクセス」と呼ばれる機能で、機械学習モデルによって表示するファイルが選択されています。冒頭の論文では、この機械学習モデルの仕組みとあわせて、本機能の開発における課題や導入の効果を示すデータが紹介されています。今回はまず、クイックアクセスで用いられる機械学習システムについて、その概要を説明します。
機械学習システムの概要
オンラインでの業務の作業効率について調査した論文よると、一般に、電子メールへの対応に業務時間の28%が費やされており、それに次いで、業務時間の19%は、業務に必要なファイルやドキュメントといった情報の検索に使われているそうです。Googleドライブのクイックアクセスは、このようなファイルを探す時間を短縮することを目的とした機能です。機械学習の観点では、個々のユーザーが次に必要とする、つまり、クリックして開く可能性が高いファイルを選び出すモデルが必要ということになります。一見すると、動画配信サイトのレコメンデーション機能にも似ていますが、学習対象のデータに大きな違いがあります。
この続きは以下をご覧ください
https://www.school.ctc-g.co.jp/columns/nakai2/nakai291.html
関連記事
グーグルのクラウドを支えるテクノロジー ＞ 第92回 Googleドライブ「クイックアクセス」機能のMLモデル開発（パート2）
2020年10月29日 12:03
グーグルのクラウドを支えるテクノロジー ＞ 第50回 大規模レコメンデーションシステムのアーキテクチャー（パート3）
2018年12月4日 14:37
グーグルのクラウドを支えるテクノロジー ＞ 第99回 AutoML TablesによるContextual Banditsモデルの自動構築（パート1）
2021年4月9日 16:33
グーグルのクラウドを支えるテクノロジー ＞ 第67回 Federated Learning：モバイルデバイスを用いた分散学習技術（パート1）
2019年10月7日 8:18
グーグルのクラウドを支えるテクノロジー ＞ 第100回 AutoML TablesによるContextual Banditsモデルの自動構築（パート2）
2021年4月18日 8:14
グーグルのクラウドを支えるテクノロジー ＞ 第111回 動画配信サービスを支えるトランスコーディング専用ハードウェア（パート1）
2021年8月28日 7:35
筆者の人気記事
