3.6.5 CSCW
(1) CSCWとグループウェア パーソナルコンピュータのネットワーク化の進展に伴い，企業組織の中でのグループ作業を支援するグループウェア製品が市場に出始め話題になっている。また，WWWを中心としたインターネット技術を会社組織内での情報システムに応用する「イントラネット」も，グループウェアとしての働きを持っている。 この「グループウェア」，および「CSCW」というキーワードは80年代後半になって広く認知されるようになった。CSCW(Computer-Supported Cooperative Work)は人間の協調活動をコンピュータを用いていかに支援するかという研究分野・学問分野の名称である。これは，米国の計算機学会ACMが主催する国際会議の名称がもとになっている。一方，グループウェアはCSCWに基づいた具体的なシステム，あるいはテクノロジをさす。 CSCW/グループウェアに関する
レコメンデーションの動向 - ＤＸ・ｅビジネス・ＩＴ戦略の波間に
2003～2004年頃には、一時、ネットでレコメンデーションやパーソナライゼーションを行うことの有効性について疑問視する声が高まりました。ウェブパーソナライゼーションを酷評するレポート発表という2003年のニュースがありましたし、ブログではリコメンデーション(レコメンデーション)の現実と幻やネットにおけるレコメンドは有効かといった意見が以前ありました。 それが、ロングテール理論の中で、レコメンデーションは、多くにニッチ商品の中から自分にあった商品を見つけるための「フィルタ」の代表的な機能として位置づけられたため、昨年あたりから重要性が見直された感じです。 レコメンデーションの仕組みとしては、それまでの各個人の購買履歴などをもとに人工知能技術を使ってお薦めする機能や、協調フィルタリングの仕組みを使った協調レコメンデーションなどがあります。後者の一番単純なものは、Amazonのサービスで「この
＠IT [FYI] テーマ4：顧客ニーズに合うサービスを提供したい
一口に「レコメンデーション・システム」といっても、その手法はさまざまであり、その真価を最大限発揮させるには、自社の商品、サービス特性に合うシステムを導入することが必要である Webサイトを訪れた顧客のアクセス履歴や購買履歴などから、好みや興味を把握し、その人にあった商品やサービスを薦めることで満足度を高め、リピーターを増やす。また、クロスセルやアップセルに結び付けて売り上げの増加をめざす。こうした目的から注目されているのが、「レコメンデーション・システム」だ。企業側が設定したルールに基づいて展開するもの、薦める商品やサービスをシステムが自動的に選択するものなど、アプローチの方法も多様化している。 これまでの市場では企業側の論理が通用していたが、インターネットなどの普及によって、顧客が市場で主導権を握るというパワーシフトが起きている。こうしたカスタマーの視点に立ったeCRMのソリューションが
インターフェイスの街角(93) – 本棚演算(協調フィルタリング)
� � � � 2005 10 30 (93) – ` ` (Collaborative Filter- ing) ´ ´ blog GroupLens Net- News GroupLens [1] GroupLens 6 4 1 Ken Lee Meg Nan 1 1 4 2 2 2 5 2 4 4 3 3 4 2 5 5 5 4 1 1 6 ? 2 5 ? 1 5 2 Ken 5 Lee 2 2 Ken Lee 1 2 4 5 Ken (1, 5, 2, 4) Lee (4, 2, 5, 1) rKL σK , σL K, L Cov(K, L) Ken K = 3 Lee L = 3 rKL = Cov(K, L) σK σL = � i (Ki − K)(Li − L) �� i (Ki − K)2 �� i (Li − L)2 = −2 − 2 − 2 − 2 √ 10 √ 1
Probabilistic Memory-Based Collaborative Filtering 確率を用いた協調フィルタリング Kai Yu, Anton Schwaighofer, Volker Tresp, Xiaowei Xu, and Hans-Peter Kriegel IEEE Transactions on Knowledge and Data Engineering, Vol.16, No.1, January, 2004
Probabilistic Memory-Based Collaborative Filtering 確率を用いた協調フィルタリング Kai Yu, Anton Schwaighofer, Volker Tresp, Xiaowei Xu, and Hans-Peter Kriegel IEEE Transactions on Knowledge and Data Engineering, Vol.16, No.1, January, 2004 情報工学科 萩原研究室 60204734 奥野 陽 2006/7/29 あらまし 本論文では、推薦システムを高い精度と効率で 実現するアルゴリズムとして、確率を用いた協調 フィルタリングを提案する。 1 はじめに 映画や音楽などのアイテムをユーザに推薦する システムを推薦システムと呼ぶ。推薦システムは 近年 Amazon.com などの Web
Amazon.com recommendations item-to-item collaborative filtering - Internet Computing, IEEE
Industry Report 76 JANUARY • FEBRUARY 2003 Published by the IEEE Computer Society 1089-7801/03/$17.00©2003 IEEE IEEE INTERNET COMPUTING Amazon.com Recommendations Item-to-Item Collaborative Filtering R ecommendation algorithms are best known for their use on e-commerce Web sites,1 where they use input about a cus- tomer’s interests to generate a list of recommend- ed items. Many applications use
協調フィルタリング - Wikipedia
協調フィルタリングを使用してユーザーの評価を予測する例。最初は、さまざまな項目 (動画、画像、ゲームなど) を評価する。その後、システムは、ユーザーがまだ評価していないアイテムに対するユーザーの評価について予測する。これらの予測は、アクティブなユーザーと同様の評価を持つ他のユーザーの既存の評価に基づいて作成される。例えば上記の場合、システムは、アクティブなユーザーがビデオを気に入らないだろうと予測している。 協調フィルタリング（きょうちょうフィルタリング、Collaborative Filtering、CF）は、多くのユーザの嗜好情報を蓄積し、あるユーザと嗜好の類似した他のユーザの情報を用いて自動的に推論を行う方法論である。趣味の似た人からの意見を参考にするという口コミの原理に例えられることが多い。 例えば、ユーザAがアイテムXを好むとすると、アイテムXを好む別のユーザBが好むアイテムYを
協調フィルタリングとは - IT用語辞典
概要 協調フィルタリング（collaborative filtering）とは、Webサービスなどで提供する情報を利用者ごとに自動的に最適化する手法の一つで、過去の行動記録などから嗜好などが似ている別の利用者を探し、その人（達）が求めた情報を提示する方式。 例えば、オンラインショップでは個々の利用者の過去の購入履歴や商品ページの閲覧履歴などを記録しているが、ある利用者Aと似た履歴を持つ利用者Bを見つけ、Bが購入した商品の中からAが未購入の商品を「おすすめ」として表示する。リコメンデーションやパーソナライズなどの機能を実装するための有力な手法として広く普及している。 利用者間の類似度の判定には相関分析などの統計的な手法が用いられる。また、類似する利用者は一人に限られず、ある程度以上似ている利用者グループの履歴を分析し、多くが共通して関心を示しているものを「より適している」と判定するなどの工夫
人工知能の話題: 協調フィルタリング
レンタルビデオ店には非常にたくさんの映画があります．あまりに多すぎてどれが面白いかよくわかりません．そんなとき，面白そうな映画を選んでくれるシステムを推薦システム（recommender system）といいます． この推薦システムには二種類の主な実現方法があります．一つは，好きな監督・俳優・ジャンルなどを決めると，それにあった映画を見つけるという内容に基づくフィルタリング（content-based filtering）という方法です．そして，もう一つがここで紹介する協調フィルタリング（collaborative filtering）です．この映画は面白かったとか，この映画はつまらなかったとかの批評のデータをいろいろな人から集めておき，そのデータを参考にして，面白そうな映画を推薦する方法です． ここでは，協調フィルタリングの一つであるJ.RiedlらのGroupLensの方法(注1)を紹
～ECサイトのパーソナライズ化とサービスレベルの向上で One-to-Oneマーケティングを実現！～
協調フィルタリングを行う代表的なOne-To-Oneマーケティングツールに、米NetPerceptions社のNetPerceptionsがある。今は自社開発に戻したようだが、アマゾン・ドット・コムは実は同社の最初の顧客だった。Net Perceptions Realtime Recommendation Engineという協調フィルタリングを実現するエンジンの上に、4種の製品を展開する。そのうち日本語化されているのは、パーソナライズECサイトを構築するためのNet Perceptions for E-commerce、コールセンター向けのNet Perceptions for Call Centersの2製品だ。 Net Perceptions for E-commerceが得意とするのは、性別や年齢、職業といった属性情報ではなかなかビジネスルールを組み立てにくい、書籍やCD、ギフト用品
AIST Today 2004.06 VOL.4-6
近年、商品、学術文献、Webページなどが膨大に集積されるようになった。そのため、嗜好や要求に合うものを、利用者自身が、膨大なデータの中から見つけだすのが困難になってきている。そこで、利用者の代わりに、嗜好や要求に即したものを見つける推薦システムが開発された。 そのような推薦システムには、検索対象の特徴を利用する「内容に基づくフィルタリング」と、「口コミ」による推薦を自動化した「協調フィルタリング」の二つの手法がある。本研究では、後者の手法を改良した。 まず、協調フィルタリングの概略を述べる。この推薦システムには、いろいろな検索対象について、その好き嫌いを多くの人に尋ねた結果を集積したデータベースが事前に用意されているとする。推薦システムは、図１のような手順で利用者Aさんが好みそうなものを推薦する。（1）Aさんは幾つかの検索対象について、その好き嫌いを示すことで、嗜好を提示する。
1
リリース、障害情報などのサービスのお知らせ
最新の人気エントリーの配信
j次のブックマーク
k前のブックマーク
lあとで読む
eコメント一覧を開く
oページを開く
http://www.dblab.is.tsukuba.ac.jp/~takayuki/QA/QAreport.htm