Recommendation概要
佐々木俊尚さんのエントリ2つ.
- ネット情報増大と認知限界
- 認知限界を広げるため階層化や組織作りなどの作業があるでも情報量が大きくなった.検索エンジンは認知限界を広げたが,使いこなしレベルがユーザに依存するため認知限界格差が発生し,またレベルの高い人でも限界がある
- PCのレコメンデーションと携帯のレコメンデーション
- 認知限界は人だけでなく,利用ツールにも依存する.例えば今の携帯電話はPCに比べて認知限界を低くする.
- 検索エンジンの限界
- Personalized Search,Context Aware Searchが望まれているが問題も多い
- レコメンデーションをめぐる現状
- Personal Info., Context, Logに合わせたOUTPUTをしてもはずすことは避けられず,最適な適応に限界がある.
- レコメンデーションの代表的手法
(1)ルールに基づくレコメンデーション
(2)コンテンツベースのフィルタリング
(3)協調フィルタリング
(4)統計学的なアプローチ
(5)行動ターゲティング
(6)ソーシャルネットワーキング
-
- (1)は事前に運営側がルールを設定するのに手間がかかる
- “音楽ゲノムプロジェクト”が支えるコンテンツフィルタリング
- (2)の代表例はPandoraで日本からは利用できない.
- Amazonが採用する協調フィルタリング
- (3)の代表例はAmazon Recommendation.(2)の欠点は揺らぎ(次のセレンティピティ)の限界と統計分析がコスト増となる.
- 協調フィルタリングの利点と“セレンディピティ”
- 今までの自分にはマッチしていないけど,驚きある情報を得たい.その一つの方法として協調フィルタリングがある.またコンテンツの中身を解析する必要がなく,楽に実装できるというメリットもある
- 利点と裏返しの協調フィルタリングの欠点
- コンテンツの中身を見る必要がない代わりに、当初から膨大な数の顧客データを必要とする
- 精度,似たものを買った人が他の内容も似ているとは限らない
- 顧客属性に依存した出力をしない