--- title: "データ準備" slug: "nclue-data-vpc" updated: 2026-09-17T09:26:03Z published: 2026-09-17T09:26:03Z canonical: "guide.ncloud-docs.com/nclue-data-vpc" stale: true --- > ## Documentation Index > Fetch the complete documentation index at: https://guide.ncloud-docs.com/llms.txt > Use this file to discover all available pages before exploring further. # データ準備 VPC環境で利用できます。 NCLUEサービスで提供する機能は、顧客企業のユーザーデータに基づいて使用できます。したがって、NCLUEサービスを利用する前に必要なデータの種類を確認し、データ準備ガイドに従ってデータセットを準備します。 参考 準備したデータセットを Object Storageバケットにアップロードします。([Object Storageご利用ガイド](/docs/ja/storage-storage-6-1)を参照) ## データ種類 NCLUEサービス利用に必要なデータは、次の通りです。 - [シーケンスデータセット](/docs/ja/nclue-data-vpc#%EC%8B%9C%ED%80%80%EC%8A%A4%EB%8D%B0%EC%9D%B4%ED%84%B0%EC%85%8B1) - [正解データセット](/docs/ja/nclue-data-vpc#%EC%A0%95%EB%8B%B5%EB%8D%B0%EC%9D%B4%ED%84%B0%EC%85%8B1) ### シーケンスデータセット シーケンスデータセットについての説明は、次の通りです。 - Feature作成に使用されるユーザー行動が含まれたデータで、顧客企業のデータからユーザーごとに行動履歴のみを抽出してリストとして作成します。作成した Featureは Task Modelを作成するデータとして使用されます。 - 時系列で行動履歴を一覧表示した形式です。([シーケンスデータセットフォーマット](/docs/ja/nclue-data-vpc#%EC%8B%9C%ED%80%80%EC%8A%A4%EB%8D%B0%EC%9D%B4%ED%84%B0%EC%85%8B%ED%8F%AC%EB%A7%B7)を参照) - 行動を予測しようとするすべてのユーザーに対してシーケンスデータセットが準備されている必要があります。 - 例) 300万人のユーザーに対して様々なタスクモデリングを行うには、300万人に対する行動シーケンスデータセットをすべて準備する必要があります。 ### 正解データセット 正解データセットについての説明は、次の通りです。 - Task作成に使用されるユーザー行動に対する正解が含まれたデータです。 - 「正解」とは、Task modelを通じて予測しようとするユーザーの行動や特性を意味します。 - Feature作成に使用されたシーケンスデータセットのユーザーのうち、Taskに合った正解ラベルを1で、不正解ラベルを0でタグ付けした形式です([正解データセットフォーマット](/docs/ja/nclue-data-vpc#%EC%A0%95%EB%8B%B5%EB%8D%B0%EC%9D%B4%ED%84%B0%EC%85%8B%ED%8F%AC%EB%A7%B7)を参照)。 - ユーザーの一部のデータだけでも Taskを作成できますが、正解データが多いほど精度が向上します。 ## データ準備 データ準備のために知っておくべきデータフォーマットと作成の説明をデータの種類別にご確認ください。 - [シーケンスデータセット](/docs/ja/nclue-data-vpc#%EC%8B%9C%ED%80%80%EC%8A%A4%EB%8D%B0%EC%9D%B4%ED%84%B0%EC%85%8B2) - [正解データセット](/docs/ja/nclue-data-vpc#%EC%A0%95%EB%8B%B5%EB%8D%B0%EC%9D%B4%ED%84%B0%EC%85%8B2) ### シーケンスデータセット シーケンスデータセットのフォーマットと作成についての説明は、次の通りです。 #### シーケンスデータセットフォーマット Feature作成に必要なシーケンスデータセットのフォーマットは、次の通りです。 tab区切りの .csv形式のファイルをご用意ください。 - **データフォーマット** ``` # 区切り文字 tab {user_id}\t{sequence} ``` - **{sequence}形式** ``` {behavior}<|s|>{behavior}<|s|>{behavior}<|s|>......<|s|>{behavior} ``` - **最終データフォーマット** ``` # format : {user_id}\t{behavior}<|s|>{behavior}<|s|>......<|s|>{behavior} ``` - 例) ``` u730023スターバックス板橋アベニューフラン店<|s|>MOMOS<|s|>ポケモン GO<|s|>ハンラボン<|s|>エアーポッズ<|s|>NIKEセール ``` #### シーケンスデータセット作成 シーケンスデータセット作成についての説明は、次の通りです。 - ユーザー ID({user_id}) - ユーザー IDは重複することはできません。 - 数字、文字列、または数字と文字列の組み合わせを入力できます。 - 許容される最大長さは100文字です。 - 個人情報を含む識別子(住民登録番号、パスポート番号、運転免許証番号、クレジットカード番号、携帯電話番号、電子メールなど)は、ユーザー IDとして使用できません。 - 顧客企業システムで使用するユーザー IDの代わりに、NCLUEサービス利用のために別途ユーザー IDを作成して使用することをお勧めします。 - 行動({behavior}) - 「行動」(behavior)とは、ユーザーが顧客企業のサービスや商品を利用した際に区別される固有の行動を指します。 - 検索したキーワード、照会したサービス名、購入した商品名などが、入力可能な行動の例です。 - 様々な行動履歴を表現できる任意の文字列(単語、フレーズ、句、文章)を入力できます。 - NAVERサービスで発生しそうな行動(NAVER検索キーワード、ショッピング商品名、商号など)に似た文字列を入力することをお勧めします。 - {behavior}値は、人が見たときに理解できるようにスペースを含めて入力します。 - {behavior}には空白または記号を含めることができます。 - シーケンス({sequence}) - シーケンスに入力された行動は、一覧表示された順序のみ考慮されます。1人に対する行動履歴を、時間情報を除き「<|s|>」で区分して時系列に一覧表示します。最も左側の行動が最も古い行動を意味し、右側に行くほど最新の行動を意味します。 - シーケンスの最大長さは、内部で使用する HyperCLOVAのトークン4096個に制限されます。1つのシーケンスには、行動文字列の長さによって最大で150~500個の行動を含められます。最大長さを超過した場合、超過した文字列の内容は入力されません。 参考 - シーケンスデータセットに入力されたユーザー情報は、NCLUEサービス内で識別子としてのみ使用され、Feature作成や Task Model学習の入力値として使用されません。 ### 正解データセット 正解データセットのフォーマットと作成についての説明は、次の通りです。 #### 正解データセットフォーマット Task作成に必要な正解データセットのフォーマットは、次の通りです。 tab区切りの .csv形式のファイルをご用意ください。 - **データフォーマット** ``` # 区切り文字 tab {user_id}\t{label} ``` - **最終データフォーマット** ``` # format : {user_id}\t{label} ``` - 例) ``` u192873 0 u730023 1 u239376 0 u846712 1 u558145 1 ``` #### 正解データセット作成 正解データセット作成についての説明は、次の通りです。 - {label}は1(正解の場合)と0(正解でない場合)で表記します。 - 正解データセットは0と1がそれぞれ100個ずつ、合計で200個以上準備する必要があり、データ量が多いほど性能が向上します。 - Feature作成に使用したシーケンスデータセットのユーザー IDの一部を選択して正解セットデータを作成できます。 - 例) 特定の Task Aを把握するための正解データが100万人のうち2000人にある場合、2000人に対してのみ1で表示し、残りの一部は0で表示して正解データセットとして使用します。 - Task Modelの目的に応じて正解データセットを作成できます。 - 例) 自社商品のうち Mという商品を購入しそうなユーザーを予測する Task Modelの場合、自社顧客のうち Mを購入した人を1で、購入しなかった人を0で正解データセットを作成できます。 - ユーザー ID({user_id})には個人情報(住民登録番号、パスポート番号、運転免許証番号、クレジットカード番号、携帯電話番号、メールアドレスなど)を含めることはできません。