Blog - LINE ENGINEERING

LINE株式会社は、2023年10月1日にLINEヤフー株式会社になりました。LINEヤフー株式会社の新しいブログはこちらです。 LINEヤフー Tech Blog

Micro Service Architecture Pros・Cons In LINE Doctor
Chung Jongcheol2023-03-27
Backend Engineer of Healthcare Development Team
こんにちは。ヘルスケア開発室のJongcheol Chungと申します。 LINEヘルスケア事業のいろんなサービスの中、LINEドクターというオンライン診療サービスがあります。LINEドクターは2020年のリリース以後、現在もMicro Service Architecture（以下MSA）でコンポーネントを構築して運用しています。今回この記事ではMSAでサービスの開発と運用を経験して感じた、MSAのメリット・デメリットを簡略に紹介したいと思います。 LINEドクターのコンポーネント構成 MSAは一つのサービスの中、コンポーネント達を小さく分けて小規模で構成する設計スタイルを意味します。つまり、コンポーネント間の依存を減らし、コンポーネントをそれぞれ独自で運用することが目的であります。 LINEドクターの場合も、このような形でコンポーネントが分離されています。LINEドクターもこのようにコンポーネントを分離して、依存を最小化しています。 LINEドクターは、LINEのビデオ通話を通じた医師の診療、お薬の処方、配送までワンストップで受ける事ができるオ
UIT Meetup vol.19『デザインシステムのリアル』を開催しました
odan2023-03-24
Front-end Dev2チーム
3月15日に、フロントエンドコミュニティ UIT の19回目となるミートアップ UIT Meetup vol.19『デザインシステムのリアル』を開催しました。本記事では、イベントの内容について振り返っていきます。なお、本編のアーカイブについては以下の YouTube 動画より閲覧が可能となっております。まだ見ていないかた、見逃したかたはぜひ視聴いただければと思います。本記事では、各セッション紹介でチャプターへのリンクを貼り付けているため、特定のトークから再生を始めることも可能です。 YouTube: https://www.youtube.com/watch?v=poMrzn_2wLY UITとは？ UIT は、 LINE のメンバーが中心となって発足した、「User Interface × Technology」を掲げるコミュニティです。 LINE の東京オフィスのメンバーからはじまったコミュニティですが、現在では外部コミュニティの方々との Podcast での交流、福岡でのミートアップ開催や、その他のフロントエンドイベントとの共
【インターンレポート】発話から欲しい単語を高精度に抽出する音声認識
Aoi Ito2023-03-24
Speechチーム / ASPチーム
はじめに法政大学情報科学部ディジタルメディア学科3年の伊藤葵と申します。私は、LINEインターン(技術職就業型コース) 及びアルバイトとして2022年8月から8ヶ月間、音声認識の研究に携わりました。インターン & アルバイトでは、実際に企業で行われている研究を進めるだけでなく、人生初の学会発表 (題: 日本語音声認識における語彙集合分割とマルチタスク学習による目的語彙抽出)、さらには国際会議への論文投稿もさせていただきました！本ブログでは、研究内容の紹介・人生初の学会・インターンの感想についてご紹介いたします。研究内容の紹介本インターンで進めた研究について、簡単にご説明します。詳しい仕組み等が気になった方は、ぜひ論文に目を通してみてください。問題背景現在、音声認識の技術は日々進歩し、さまざまなサービス(会議の文字起こしや音声検索etc.)で活用されています。多岐にわたる活用方法に伴い、認識結果の扱い方も目的に応じて変わってきます。例えば、文字起こしといった音声記録では”発話内容すべて”の正確な記録
- line-intern-ja
- Speech Processing
高性能・高速・軽量な日本語言語モデル LINE DistilBERTを公開しました
Koga Kobayashi2023-03-13
NLPチーム
こんにちは。LINEの小林滉河(@kajyuuen)です。NLPチームで固有表現抽出、有害表現の検知、LINEスタンプ推薦の改善など自然言語処理に関する仕事をしています。この記事ではLINEが公開した言語モデル「LINE DistilBERT」について紹介します。 https://huggingface.co/line-corporation/line-distilbert-base-japanese https://github.com/line/LINE-DistilBERT-Japanese LINE DistilBERTは次のような特徴を持つ日本語言語モデルです。高性能・高速・軽量 Hugging Faceのtransformersから簡単に利用可能商用利用可能なApache License 2.0でのモデル配布このモデルは、大規模日本語Webコーパスを用いたモデル構築により、日本語自然言語理解のベンチマークであるJGLUEの全てのタスクにおいて、Laboro DistilBERTやBandaiNamco DistilBERTといった既存の日本語DistilBE
【インターンレポート】Positive-Unlabeled Learningを用いた位置情報とチェックインログに基づく滞在店舗推定
Ryo Shirai2023-03-06
ML Privacyチーム, Family Service Data Scienceチーム
はじめに　初めまして。大阪大学工学部4年の白井僚と申します。2022年の夏期インターンシップに6週間参加し、その後アルバイトとして勤務しています。期間中、ML PrivacyチームとFamily Service Data Scienceチームに所属し、「Positive-Unlabeled Learningを用いた位置情報とチェックインログに基づく滞在店舗推定」というテーマで研究に取り組みました。本記事では、私が行った研究についてご紹介します。また、本研究に関する論文は、第15回データ工学と情報マネジメントに関するフォーラム（DEIM2023）にて発表しました。背景　本研究では、リアルタイムに取得したGPSやWi-Fiなどの位置情報データから、ユーザが滞在している店舗を推定する「滞在店舗推定問題」に焦点を当てます。この推定によって、現在位置に基づくクーポン提供などの施策が可能になります。ただし、位置情報データには誤差があるため、この誤差範囲を考慮して、誤差範囲内に存在する店舗から実際にユーザが訪れた店舗を推定するための予測モデルが必要です。下図に、この誤差範囲とその中に存在する店
【インターンレポート】グラフベースで、機械学習を用いないニュース記事要約文の hallucination 検出
Tomoya Kurosawa2023-03-03
NLP開発チーム
こんにちは、黒澤友哉と申します。 2022 年 8 月 15 日から 6 週間、LINE株式会社の NLP 開発チーム（現在は NLP チーム）で就業型インターンシップを行ないましたので、その内容を報告していきたいと思います。私は東京大学情報理工学系研究科コンピュータ科学専攻の修士で、自然言語処理を専門としています。所属は谷中研究室です。 0. 概要本文に入る前に、このレポートの概要を書きます。以下の図はこのインターンレポートの背景と手法をまとめた図です。このレポートでは第 3 章で「言語モデルを用いた要約生成」、「hallucination」、「日本語のグラフ」について説明した後、第 4 章でグラフ生成手順と hallucination 検出の手法、第 5 章でビジュアライザを紹介し、第 6 章以降でデモと課題を説明するという構成となっています。図 0: 本インターンレポートの背景と手法の概要図。ニュース記事は「LINEで予約」、新たにカラオケ館全215店舗との連携を開始から抜粋。要約文は手元で作成、ビジュアライザは一部改変 1. はじめに自然言語処
- NLP
- line-intern-ja
【インターンレポート】光源環境を考慮した編集可能なNeRFにむけて
Hikaru Fujita2023-03-02
CVLチーム
はじめにこんにちは、東京大学情報理工学系研究科コンピュータ科学専攻修士一年の藤田光と申します。私は6週間LINE AIカンパニーのComputer Vision Labチーム（CVL) Virtual Humanユニットでインターンシップに参加させていただき、研究活動を行いました。今回私が期間中に取り組んだ多視点画像による光源環境の推定と、それによる編集可能なNeRFに向けた研究と実験についてご紹介します。問題背景近年NeRF[1]をベースとして多視点の画像から三次元のvolumetricな表現を学習する手法が多く研究されています。これは三次元空間内の各点の輝度を推定することで任意の視点の画像をvolume renderingするというのが主な手法ですが、空間内のすべての点を同様に扱うためオブジェクトごとに認識されているわけではなくオブジェクトを移動・追加させたり、不要なオブジェクトを消すことが困難です。いくつかの研究[4]ではオブジェクト毎に表現を学習することで編集が可能なNeRFベースのモデルが考案されていますが、どこか出力された画像は不自然に見えるものもあります。この原因は
- line-intern-ja
- Computer Vision
LINE NEWS フロントエンドの自動テストの改善
Naoto Ikuno2023-02-24
Web Front-end Engineer
この記事は UIT 新春 Tech blog 2023 4日目の記事です。こんにちは。LINEフロントエンド開発センターの幾野(ikuno)です。普段は LINE NEWS のフロントエンド開発をしています。 LINE NEWS では昨年テストをたくさん書いた昨年 LINE NEWS ではたくさんテストを書きました。当初 78 ファイルだったテストファイルは半年で 150 ファイルに倍増しました。テストカバレッジも statements 33.6% から 64.4% まで改善しました。昨年当初のテストカバレッジ現在のテストカバレッジ今回はどういったテストを書いたらうまくいったかについて書いていきます。テストは意図しない breaking changes を防ぐために書くそもそも、なぜテストを書くのでしょうか? 筆者は、テストは意図しない breaking changes を防ぐために書くと思っています。もし意図しない breaking changes が起きたら一番に影響を受けるのはユーザーです。また、
- frontend
- UIT
- JavaScript
- test
【インターンレポート】未知の語彙を含む画像に対して頑健なOCRモデル学習手法の提案
Shota Nakamura2023-02-24
Computer Vision Labチーム
はじめに 8/8から6週間の就業型インターンに参加しました、中村祥大と申します。私は東京工業大学大学院に所属する修士1年で、現在は深層学習の高速化に関する研究をしています。今回のインターンではComputer Vision LabのOCRユニットに所属し、その中でも特に、テキスト認識タスクの性能向上に関連するテーマに取り組みました。本レポートではその成果について報告します。背景今回のインターンで私はテキスト認識に関連するタスクに取り組みました。テキスト認識とは、与えられた画像に書かれている文字列は何であるかを認識する処理です。近年、深層学習モデルを用いたテキスト認識が台頭しています。しかしながら、そのようなアプローチには、学習時に登場していないテキストを含む画像に対する認識精度が低下するという問題（Vocabulary Reliance）が存在します。以降ではテキストの集合のことを「語彙」、「学習に用いる語彙」のことをIn Voc、「学習に用いておらず、実際の推論時に登場する語彙」のことをOut Vocと呼びます。実際のユースケースで登場しうるOut Vocの例として、「ana
静的リソースをCDN配信する社内サービス『Abyss』のフロントエンドを作り直した話
Shirahata Keito2023-02-22
Front-end Engineer
こんにちは、LINEフロントエンド開発センターDev7チームの白畑です。主にUITで使用している社内サービスの新規開発から運用・保守等を行なっています。この記事ではDev7チームが開発・運用しているAbyssと呼ばれる社内システムのフロントエンドを作り直した話をしたいと思います。画期的なCDNデプロイツール「Abyss」 LINEは様々なサービスを展開しており、それらのプロジェクトで個別にCDN配信を行なってしまうと以下のような問題があります。・リソースの管理がしづらい・独自の配信基盤が乱立する・独自の配信基盤を構築するための開発・運用コストがかかる・プロジェクトメンバーが参加した際や異動した際に学習コストがかかるこのような問題をなくすため、CDN配信の標準サービスとしてAbyssが誕生しました。開発者は以下の最低2つの手順のみで静的リソースをCloudFrontで配信することができます。 1. Abyssのフロントエンド(Orth)でプロジェクトを作成2. AbyssのCLI(reg)を使ってローカル環境もしくはCI上からリソースをアップロード構成 Abyssは3つの
- frontend
- UIT