ユーザベース協調フィルタリング

Facebookシェア Twitterツイート LINEで送る Googleシェア このエントリーをはてなブックマークに追加
この章を学ぶ前に必要な知識
Up
0
Down

要約

概要

ユーザベース協調フィルタリングはユーザの行動履歴や評価履歴を用いて各ユーザがどのように商品を扱ったかによって次におすすめする商品を決定するフィルタリング技術.あるユーザが同様の評価を行ったもの同様の評価を行っているユーザ、同様のものを買っているユーザを参考にまだ買っていないものを紹介する.この手法はユーザの情報から新しいものを推薦するメモリーベースの手法.
ー 条件 ー
  • ユーザの行動履歴、評価履歴が必要
ーポイントー
  • 全く新しいユーザには情報がないため、新しい商品を紹介できないCold Start問題が起こる
  • アイテムベース協調フィルタリングより更新頻度が高く、すべてのユーザでの計算が重くなりがち
  • ユーザ数よりアイテム数が多い場合、アイテムベース協調フィルタリングより精度が劣る

解  説

ユーザベース協調フィルタリング(User-Based Collaborative Filtering, CF)はユーザの行動履歴や評価履歴を用いて各ユーザがどのように商品を扱ったかによって次におすすめする商品を決定するフィルタリング技術.比較的古典的な手法で、2001年にAmazonからアイテムベース協調フィルタリングが紹介されるまで主流だった. この手法はユーザの情報から新しいものを推薦するメモリーベースの手法. 手法 1. まず、あるユーザが同様の評価を行ったもの同様の評価を行っているユーザ、同様のものを買っているユーザを見つけて、類似ユーザとする. 2. その類似ユーザを参考にまだユーザが買っていないものを紹介する. ユーザベース協調フィルタリングの利点 ・コンテンツベースフィルタリングより幅広い分野を扱うことが可能 ・利用者が多いと精度がよくなる. ユーザベース協調フィルタリングの欠点 ・ColdStart問題 : 十分な履歴のない新しいユーザに適切な商品を紹介できない ・誰にもまだ買われていない商品は推薦されない ・アイテム数がユーザ数を大きく上回ると類似度が適切に計算されない
ユーザベース協調フィルタリング
ユーザAとユーザDは同様な購買履歴、評価を行っているので、嗜好がにている可能性が高い. そのためまだ見ても買ってもいない商品DをユーザDにおすすめできる可能性が高い.
この章を学んで新たに学べる
Comments

Reasons
>>隠す