レコメンドエンジン

レコメンデーションとは

ユーザに対して自動的に何らかのおすすめを提示すること。レコメンデーションを行うソフトウェアのことをレコメンドエンジンという

• ユーザ: システムを使う人間。利用者
• アイテム: ユーザにおすすめするもの、サービス、商品etc

Point

• 何(誰)に対して
• 何(誰)をおすすめするのか

Pattern

1. ユーザに対してアイテムをレコメンドする
2. アイテムに対してアイテムをレコメンドする
3. アイテムに対してユーザをレコメンドする
4. ユーザに対してユーザをレコメンドする

協調フィルタリング

http://www.albert2005.co.jp/technology/marketing/c_filtering.html

ある対象者が商品をチェックまたは購入したデータと、対象者以外がチェックまたは購入したデータの両方を用い、 その購入パターンから人同士の類似性、または商品間の共起性をアソシエーション分析（相関分析）で解析し、 対象者個人の行動履歴を関連づけることでパーソナライズされた商品を提示することができる手法です。

協調フィルタリングとレコメンド

協調フィルタリングはユーザの行動データを利用する

レコメンデーションの分類

データを軸とする分類

• コンテンツデータ

アイテムそのものから得られる情報。
コンテンツデータの場合、ユーザに関する情報が無いので、各ユーザ向けにパーソナライズされたレコメンデーションは行えない

• メタデータ

アイテムそのものではなく、ユーザの行動などに付随して得られる情報。

手法を軸とする分類

• ルールベース

サービスの提供者が予めユーザの行動を想定してルールを作成しておき、そのルールに従ってレコメンデーションを行う
サービス提供者、ユーザ双方の納得感があるレコメンデーションが行いやすい
ルールを作成する、メンテナンスコストが発生する

• 機械学習・統計ベース

予め正解となるデータを作って置くか、もしくはアイテム間の何らかの類似度を見ることで、自動でレコメンデーションを行う手法

サンプリング

あるデータの1部を利用する

クラスタリング

データの集合を部分集合(クラスタ)に切り分けて、それぞれの部分集合に含まれるデータがある共通の特徴を持つようにする。この特徴は多くの場合、類似性や、ある程度定められた距離尺度に基づく近さで示される。

クラスタリング手法

k-means法(k平均法)

クラスタの平均を用い、与えられたクラスタ数k個に分類する

1. 各データに対してランダムにクラスタを割り振る
2. 割り振ったデータを元に各クラスタの中心を計算する。計算は通常通り割り当てられたデータの各要素の算術平均が使用されるが、必須ではない
3. 各 xi と各 V_j との距離を求め x_i を最も近い中心のクラスタに割り当て直す。
4. 上記の処理で全ての x_i のクラスタの割り当てが変化しなかった場合、あるいは変化量が事前に設定した一定の閾値を下回った場合に、収束したと判断して処理を終了する。そうでない場合は新しく割り振られたクラスタから {\displaystyle V_{j}} V_j を再計算して上記の処理を繰り返す。

k平均法