レコメンド

おすすめ機能を作るための方法の一つに、コンテンツベースフィルタリングというものがあります。この方法は、利用者の過去の行動記録ではなく、品物そのものの情報をもとにおすすめを行う仕組みです。例えば、映画のおすすめ機能で考えてみましょう。この方法では、映画の種類、監督、出演者といった情報を使って、利用者が過去に見て気に入った映画と似た特徴を持つ映画を探し出し、おすすめしてくれます。利用者の過去の行動記録を必要としないため、初めてサービスを使う人にもおすすめをすることができ、最初のうちはデータが足りないという問題を解決できるという利点があります。 また、利用者一人ひとりの好みに合わせた、とても個人に特化したおすすめを提供できます。具体的には、利用者が過去に高い評価をつけた品物の特徴を細かく調べ、それらの特徴と合う新しい品物を見つけておすすめします。例えば、ある利用者が過去に時代劇を好んで見ていたとします。すると、システムは時代劇という特徴を捉え、他の時代劇作品をおすすめするでしょう。さらに、その時代劇に出演していた役者や監督にも注目し、同じ役者や監督が関わっている別の作品もおすすめ候補として提示するかもしれません。このように、過去の行動だけでなく、品物そのものの特徴に着目することで、より的確で、利用者の隠れた好みにまで応えるおすすめが可能になります。 このように、コンテンツベースフィルタリングは、品物中心の方法でおすすめを行うと言えるでしょう。利用者の行動記録に基づいたおすすめ方法とは異なり、この方法は品物そのものの持つ情報に焦点を当てているため、サービス開始当初から利用できるという大きな強みを持っています。また、利用者の行動だけでは見えてこない、より深い好みに基づいたおすすめを提供できる可能性を秘めています。そのため、様々なサービスで活用されている、有力なおすすめ方法の一つと言えるでしょう。

「内容に基づくおすすめ」という手法は、利用者の過去の行動ではなく、対象物そのものの持つ特徴に着目して、おすすめを提示する方法です。これは「コンテンツベースフィルタリング」とも呼ばれます。 例えば、映画の推薦を例に考えてみましょう。ある人が特定の種類の映画、例えば時代劇をよく見ているとします。このとき、内容に基づくおすすめでは、その人が過去に見た映画と似たジャンルの時代劇がおすすめとして表示されます。 これは、各映画に付加されている様々な情報を分析することで実現されます。例えば、「時代劇」や「恋愛」といったジャンル、出演している俳優、監督の名前といった情報が挙げられます。また、映画のあらすじや観客の感想といった文章情報も分析対象となります。これらの情報を基に、各映画がどれくらい似ているかを計算し、似ているものほどおすすめ度が高くなります。 従来の手法では、利用者の過去の行動履歴を重視しておすすめを提示していました。例えば、ある人が時代劇だけでなく、アクション映画もよく見ていた場合、過去の行動だけを参考にすると、時代劇とアクション映画の両方がおすすめとして表示される可能性があります。しかし、内容に基づくおすすめでは、今見ている映画に焦点を当て、その映画と似たジャンルの映画だけをおすすめするため、より的確な提案を行うことができます。 つまり、この手法は利用者の好みを直接的に反映するのではなく、対象物同士の関連性から、利用者が潜在的に興味を持つであろうものを提示することを目指しているのです。これにより、意外な発見を促したり、より深く特定の分野を探求したりするきっかけを提供することができます。