AI研究所 - AI(人工知能)に脅かされないために、AI(人工知能)を作る側の人間になる -

HOME  >  AI(人工知能)用語集  >  レコメンドエンジン

レコメンドエンジンとは

レコメンドエンジンとはデータを活用して顧客やユーザーに特定のコンテンツをレコメンド(推奨)する、機械学習の情報フィルタリングアルゴリズムです。
どの選択肢に価値があるかを特定する手助けをし、特にインターネットビジネスにおいてはECサイトや動画視聴サイト、ニュースサイトなどでユーザーの購買意欲をかきたてるような商品やサービスを提案するために用いられます。

レコメンドエンジンの仕組みには3種類あり、

協調的フィルタリング
コンテンツベースフィルタリング
ハイブリッド(①+②)

があります。

協調的フィルタリングはメモリベースとモデルベースに区別されます。
主流の方法である前者では、ユーザーの評価・閲覧履歴・購入履歴を含むユーザー及びコンテンツのデータ行列の類似度から特定のコンテンツを推定し、レコメンドします。
よって、商品情報やコンテンツ情報を必要としません。後者ではユーザー及びコンテンツのデータ行列をモデル構築に利用して推定します。

協調的フィルタリングの問題設定は、機械学習の関連技術と比べて、大量の欠損値を含むことを前提にしているのが特徴です。
したがって、目的変数の推定よりも欠損値の推定に重点が置かれています。
協調的フィルタリングの問題点としては、欠損値を埋めるアルゴリズムであるため、新商品や新規ユーザーの場合など、データが少ない場合に有効なレコメンデーションが難しくなることです。

コンテンツベースフィルタリングでは、コンテンツの属性情報とユーザー嗜好との関連性を指標にします。
すなわち、予めカテゴリ化されたコンテンツの属性のなかから、ユーザーがどの属性を好んでいるかを指標にユーザーのプロファイリングを行います。
ユーザープロファイルからコンテンツの属性や関連性を手がかりに、ユーザーに別のコンテンツをレコメンドします。

ハイブリッド型では協調的フィルタリングとコンテンツベースフィルタリングの両者の長所を活用します。たとえば、ユーザーが新規で情報がない初期段階では、コンテンツベースフィルタリングを行い、ユーザーの履歴情報が徐々に蓄積した段階で協調的フィルタリングに切り替えるというような具合です。


レコメンドエンジンの評価はオンライン評価とオフライン評価に分かれます。オンライン評価ではクリック率やコンバージョン率を、オフライン評価ではPR曲線のAUCやF値、カバレッジなどをそれぞれ指標にします。


参考になったら「いいね!」と「シェア」をお願いします!!

このエントリーをはてなブックマークに追加

AI(人工知能)入門セミナー開催中
AI(人工知能)入門セミナー AI(人工知能)入門セミナー IoT入門セミナー

AI入門ブログの中の人

AI研究所 研究スタッフ
通称:マサミ
アメリカ・サンフランシスコにある情報メディアの専門学校を卒業。大手金融会社での事務経験を経て、2016年9月よりAI研究所に入所。見習い研究員として、AI技術を日々勉強中。

Facebookページ