アイテム間協調フィルタリング

アイテム間協調フィルタリング(Item-Item Collaborative Filtering)は、ユーザの購買履歴や評価の履歴を元に類似した評価を持つ商品を見つけ出し、ユーザにおすすめするフィルタリング技術. Amazonによって発表された手法で、ユーザベース協調フィルタリングより、「ユーザ数がアイテム数より多い時にもよい」「アイテムの類似度は変わりにくいため更新頻度が少ない」といった点が有利. 一般的に保存の必要なデータの量や精度の観点から、ユーザベース協調フィルタリングよりよいとされている. ユーザ数が多い時には、ユーザベース協調フィルタリングで計算するユーザ間/ペアの類似度の数が膨れ上がるため、データ量が増えてしまっている.

ユーザ間の類似度は対象が人間だけに嗜好が移ろいやすいが(新しい興味や飽き)、 一方でアイテム間の類似度はなかなか変わらない.そのためアイテム間協調フィルタリングでアイテム間の類似度の更新は頻繁に行わなくて済む. もちろんこれらはユーザの評価履歴、購買履歴を元に算出するため、 全く何も買ったことのない新規ユーザには、それら情報がかけているため、 適切に推薦できない.これをCold Start問題といい、協調フィルタリングのようにユーザの過去の履歴に基づく手法では同様の問題になる. 一方でコンテンツベースである場合は、ユーザの履歴は関係ないため上記Cold Start問題は特に起こらない.

<手順> 1. 各アイテム間でユーザの評価や購買履歴を元に、どのアイテムがどのアイテムと似ているか(両方を買う人がいるかや両方高評価する人がいるか). 例) おむつとビールが同じようなユーザに買われやすいので、類似度が高い.(実際の商品が全く関係なくても) 2. 1.で類似度を計算しておき、あるユーザに他の人が買っていてそのユーザが購入していないものをおすすめとして提示する.

元の論文をリンクしておきます.