スポンサーサイト

上記の広告は1ヶ月以上更新のないブログに表示されています。
新しい記事を書く事で広告が消せます。

レコメンデーション

今日はレコメンデーションについてお勉強。

■レコメンドアルゴリズムの種類
レコメンドアルゴリズムには大きく2種類の手法が存在する。

1.コンテンツベースフィルタリング
各アイテムのコンテンツを事前二属性化しておき、ユーザの好みとマッチングさせる。
コンテンツの内容が事前に整理されているのでユーザの好みに合致したアイテムが推奨されやすい。その反面、コンテンツの情報をすべて属性化する必要があるためオーバーヘッドがかかってしまいます。

2.協調フィルタリング
ユーザの行動に対して類似性の高いユーザが購入したアイテムをレコメンドする。協調フィルタリングには類似性の高いアイテムをレコメンドする「アイテムベースレコメンデーション」と類似性の高いユーザが購入したアイテムをレコメンドする「ユーザベースレコメンデーション」が存在する。
コンテンツの内容は関係なく、他のユーザとの類似性をベースにレコメンドを行うため全く興味のないコンテンツをレコメンドしてしまう可能性がある。
ちなみに、Amazonが行っているレコメンデーションは協調フィルタリングの「アイテムベースレコメンデーション」を採用しているそうです。「アイテムベースレコメンデーション」を使用することでお客さんが潜在的に必要としているであろう商品をレコメンドしてロングテール戦略を加速させているのですね。
一般的にはユーザベースよりもアイテムベースの方が計算処理量が少なく、高速とされています。 履歴データが膨大になると、アイテムベースとユーザベースではレコメンドの精度は差がなくなり、アイテムベースのほうがスケーラビリティがあるとされています。

ざっくりと図で表すとこんな感じ。
レコメンデーションアルゴリズムの種類

■手法による違い
1.ユーザベースとアイテムベース
ユーザベースはユーザに対してレコメンデーションを行うので、レコメンデーションを行おうとするとユーザの情報が必要になる。たとえば、ECサイトに会員登録しているユーザに対してはそのユーザにパーソナライズした商品のレコメンドが可能になるが、会員登録していないユーザに対してはレコメンデーションが出来ないという欠点がある。
一方、アイテムベースは会員登録していないユーザに対してレコメンデーションはできるものの、今閲覧している商品意外の情報を使うことが出来ないためパーソナライズしたレコメンデーションが出来ないという欠点がある。

2.協調フィルタリングとコンテンツベースレコメンデーション
コンテンツベースレコメンデーションはサービス開始時のアイテム情報が少ない期間に利用し、サービスが活性化し十分な履歴情報を蓄積できたら協調フィルタリングに変更するのが良さそう。

■まとめ
レコメンデーションのアルゴリズムにはコンテンツベースレコメンデーション、協調フィルタリング、アイテムベースレコメンデーション、ユーザベースレコメンデーションなど複数のアルゴリズムが存在しており、適用した事例によってどの手法が適しているかは違っており、複数のアルゴリズムを組み合わせて活用することで最適なレコメンデーションエンジンを構築することが出来る。
また、レコメンデーションエンジンは常に最新の履歴情報や商品情報、ユーザ情報をもとにアップデートされ最適なレコメンドが出来るように常に改良されていく必要がある。

■参考
レコメンドウェアハウス
30分でわかるレコメンデーションエンジンの作り方
スポンサーサイト

コメントの投稿

非公開コメント

プロフィール

HitTips

Author:HitTips
FC2ブログへようこそ!

最新記事
最新コメント
最新トラックバック
月別アーカイブ
カテゴリ
検索フォーム
RSSリンクの表示
リンク
ブロとも申請フォーム

この人とブロともになる

QRコード
QR
上記広告は1ヶ月以上更新のないブログに表示されています。新しい記事を書くことで広告を消せます。