Recommendationの用語を整理する

Mahout関連のまとめはこちら

Software DesignのMahout関連のまとめはこちら

Recommendationの解説をするには、用語の定義を曖昧にしてしまうと、読み手が混乱するということを改めて感じています。分かっている人には当たり前のことですが、改めて整理してみたいと思います。

• Recommendation（レコメンデーション、リコメンデーション、リコメンド 等）
• Item（アイテム）
• User（ユーザー）
• Preference（評価、評点、嗜好度）
• Recommender System（レコメンダシステム、レコメンドシステム 等）
• Collaborative Filtering（協調フィルタリング）

Recommendation

各人の行動や関心にもとづき、各人に関連性のある情報を提示すること。素直に訳せば推薦になります。（事例で良く取り上げられるAmazonのRecommendation機能の場合、「おすすめ商品の推薦」と表現すると同じニュアンスの単語が繰り返されるので、「おすすめ商品の提案」などと表現することが多いと思います。個人的には、「おすすめ商品のRecommeantion」と書いてしまった方が分かりやすいのですが、反対も多そうです。）

AmazonのRecommendation機能

User

Recommendationの説明をする場合、Userには3つの役割があります。Recommendation機能の入力情報として使う場合、ユーザーの属性情報や行動履歴を活用します。

1. 情報を推薦される人
2. 入力情報としてのUser
   ユーザーの属性情報→　年齢・性別・職種など
   ユーザーの行動履歴→　評価結果（明示的に収集）・閲覧履歴（暗黙的に収集）など
3. 出力情報としてのUser
   類似・関連ユーザーが推薦されることがある

Item

Itemとは、ユーザーが購入する商品やコンテンツのことです。Recommendation機能の入力情報や出力情報になります。

1. 入力情報としてのItem
   Webコンテンツなどであれば、中身や内容そのものが使われる
   物品であれば、それらを説明する文章や価格などの情報が使われる
2. 出力情報としてのItem
   ユーザーに関心があると予想されるものが推薦される

Preference

評価・評点・嗜好度など表現されます。ユーザーがItemに対して評価をした値になります。はい／いいえの二値の評価や、段階的に数値で評価した結果などがPreferenceです。

Recommender System

Recommendationを実現するための仕組みがRecommender Systemになります。後述するItemやUserの情報を使ってRecommendationを行います。

Recommender Systemの入出力

Collaborative Filtering

ユーザーの行動履歴を元にRecommendationを行う仕組みで、協調フィルタリングと呼ばれるものです。ItemベースとUserベースの処理があります。

Itemベース
ユーザーが関心がある／好んでいるItemがあれば、それと類似しているItemを探しだして、Recommendationする方式です。

Itemベースの概要

Userベース
Recommendation対象ユーザーと類似している（嗜好が同じ）ユーザーを探しだして、Recommendationする方式です。

Userベースの概要