協調フィルタリングとは何ですか？

協調フィルタリングは、パーソナライズされた推奨事項をサポートするアプリケーションに特に適した、メモリベースの推論とは異なります。協調フィルタリングシステムは、個人の好みの履歴から始まります。距離関数は、類似性が類似性を決定するのは、同じものが好きな人が近いという好みの重複に依存します。

さらに、投票は距離によって重み付けされるため、より近い隣人の投票は承認のためにより多くカウントされます。別の言い方をすれば、それは、音楽、本、ワイン、または他の誰かを発見するためのアプローチであり、同じ好みのために選択した仲間のグループの判断を使用して、特定の人の現在の好みに適合します。この方法は、ソーシャル情報フィルタリングとして知られています。

協調フィルタリングは、口コミを利用して何かが好きかどうかを判断する手順を自動化します。何人かの人が何かを好きだということを知っているだけでは十分ではありません。誰もがいくつかの推奨事項を他の推奨事項よりも高く評価しています。以前の推奨事項に焦点が当てられていた親友の推奨事項は、一般的に嫌いなジャンルであっても、新しい映画を見に行くのに十分な場合があります。

自動協調フィルタリングシステムを使用した新規ユーザー向けの推奨事項の準備には、次の3つのステップがあります-

• 新しい顧客を受け入れて、映画、歌、レストランなどのアイテムの選択を評価することで、ユーザープロファイルを構築することができます。

• ある程度の類似性を使用して、新しいユーザーのプロファイルを他のユーザーのプロファイルと比較することができます。

• 同じプロファイルを持つユーザーの評価の組み合わせを使用して、新しいユーザーがまだ評価していないアイテムに提供できる評価を予測することができます。

協調フィルタリングの課題の1つは、誰かが達成した、または評価する意思があると思われるよりもはるかに多くの評価項目が提供されることです。つまり、プロファイルは一般にまばらであり、推奨事項を作成するためのユーザーの設定の間にほとんど重複がないことを定義します。顧客プロファイルは、評価される要素の世界のアイテムごとに1つのコンポーネントを持つベクトルと考えてください。ベクトルの各要素は、対応する要素のプロファイル所有者の評価を–5から5のスケールで定義します。0は中立性を示し、空の値は意見がないことを示します。

ベクトルに数千のコンポーネントがあり、各ユーザーがどのコンポーネントを評価するかを決定する場合、2人のユーザーのプロファイルが重複する可能性があります。言い換えると、ユーザーに特定のサブセットの評価を強制すると、興味深いデータを見逃す可能性があります。これは、よりあいまいな要素の評価が、一般的な要素の評価よりもユーザーについて多くを語る可能性があるためです。