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。
- 情報を推薦される人
- 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 - 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。
- 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 - 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。
0 件のコメント:
コメントを投稿