協調フィルタリング #TechLunch

協調フィルタリング
2012/08/08 (水) @ Livesense TechLunch
発表者：土屋 雅行

Transcript

1. 協調フィルタリング 土屋雅行
2. 2 INDEX  レコメンド技術導入の目的・メリット  レコメンド技術導入で起こってはならないこと  協調フィルタリング  アイテムベースの考え方  アイテムベースの問題点  ユーザーベースの考え方  ユーザーベースの問題点  アイテムベースの問題点の解決
3. 3 レコメンド技術導入の目的・メリット  コンバージョンに結びつく効果的なレコメン ド  検索・回遊導線の向上  簡単で意図的なレコメンド  セレンディピティ(思いがけない発見)の提 供
4. 4  不適切なレコメンド  重複したレコメンド  既存システムに負荷などのリスクを与える レコメンド技術導入で起こっては ならないこと
5. 5  アイテムベース →ユーザー行動履歴を基に、アイテム間の 類似値を分析し、関連性の高いアイテムを 推薦  ユーザーベース →ユーザー行動履歴を基に、ユーザーごと の嗜好の類似値を分析し、他のユーザーが 好んだアイテムを推薦 協調フィルタリング
6. 6 アイテムベースの考え方  別資料
7. 7 アイテムベースの問題点 1. セットで閲覧するケースが少ない場合、レコメンドされない 、またはレコメンドの精度が悪くなる 2. レコメンドされるアイテムが人気の高いアイテムに偏る 3. レコメンドされるアイテムが長期間掲載しているアイテム に偏る 4. 同一アイテムに対する連続的な閲覧や、クローラー、運営 者などの閲覧によって偏る 5. 関連性のないカテゴリのアイテムがレコメンドされてしまう 6. 自動計算では意図的なレコメンドができない
8. 8 ユーザーベースの考え方  別資料
9. 9 ユーザーベースの問題点 1. ユーザーごとのデータ蓄積が必要なため、初回訪問者へ のレコメンドができない 2. ユーザー数＞＞アイテム数なため、アイテムベースに比 べて精度が保てる程度のまでのデータ蓄積が遅い 3. ユーザー数＞＞アイテム数なため、データと計算量が膨 大
10. 10 アイテムベースの問題点の解決  問題1：精度が悪い →行動履歴取得を複数ヶ所で＋重み付け 例) 　・閲覧×1 　・お気に入り登録×5 　・応募×10
11. 11 アイテムベースの問題点の解決  問題2～4：偏る →各レコメンドアイテムに対する評価を、例えば、5段階で 定義し、レコメンド確率を再設定する　例) 別資料 →1ヶ月前の閲覧より昨日の閲覧を高く評価する、一定期 間より昔の閲覧を集計から除外 →同一アイテムに対する連続的な閲覧や、クローラー、運 営者などの閲覧、レコメンド経由の閲覧を集計から除外
12. 12 アイテムベースの問題点の解決  問題5：関連性のないカテゴリのアイテムがレコメンドされる →ユーザーの登録情報を基にフィルタリング 例)希望職種や希望業種  問題6：意図的なレコメンドができない →一定のルールを適用できる機能を作る 例)特定の企業、求人をレコメンドする(しない)
13. 13 次回  スマートフォン開発について