協調フィルタリングによるリコメンデーション
潜在的な顧客にいかにその人が欲しい商品を勧めるかは広告主にとって重要な要素である。この手法はインターネットユーザのサイト閲覧履歴やクリック履歴などをもとにユーザの嗜好パターンを学習し、そのユーザが好みそうな商品を推薦するための一般的な手法である。 この手法では、複数のユーザのサイト閲覧履歴データを用いる。図１は、縦軸をユーザ、横軸をWebページとして、履歴のうちどのユーザがどのWebページをクリックしたかを表している。「１」はクリックしたことを表し、「０」はそうでないことを表す。ここで、データの埋まっていない部分について、他人のデータを用いてその人の嗜好を予測するのが本手法である。 このような協調フィルタリングの手法はいくつかあるが、代表的なのが相関係数法である。これは、ユーザAとユーザBの嗜好パターンに高い相関性がある場合に、ユーザAがクリックしたサイトXをユーザBに推薦するという方法で
協調フィルタリング技術を掘り下げる--ECサイトのレコメンド技術を考える（3）
印刷する メールで送る テキスト HTML 電子書籍 PDF ダウンロード テキスト 電子書籍 PDF クリップした記事をMyページから読むことができます 前回は、ECサイトのレコメンド技術の種類として、ルールベース方式、コンテンツベースフィルタリング方式、協調フィルタリング方式、ベイジアンネットワーク方式の4つを紹介した。今回は、これらのレコメンド方式をより細分化した上で、協調フィルタリングのロジックについて解説したい。 4つのレコメンド方式は、「レコメンドするために必要な情報は何なのか」、「何をもってレコメンドするためのルールとするか」という切り口で分類していると解説した。それぞれのレコメンド方式は、さらに「どの判別属性を軸にレコメンドアイテムを決定しているのか」という切り口によって細分化できる。その判別属性とは、アイテムベース、ユーザーベース、ユーザー提示情報ベースの3つだ。 例えば
データ ＆ アナリティクス | アクセンチュア
データ分析から導き出されたインサイト無しにAI（人工知能）の活用は始まりません。私たちは、各業界知識とデータ・アナリティクス技術を駆使しデータドリブン経営を強力に支援します。 データ、アナリティクス、AIは企業にとって競合他社との差別化を図るかつてないほど大きな要因になっています。今日の経営幹部が効率を向上しながら新たな収益源を開拓し、新しいビジネスモデルをタイムリーに構築する方法を模索する中、価値を生み出し成長を続ける企業には「データ活用」という共通項があります。私たちは、無数のデータから企業にとって本当に必要なデータを活用するための方法を知っています。 将来を見据えたオペレーション体制を備えている企業の半数以上（52％）は、すでにデータとアナリティクスを大規模に活用しています。データとAIに関する取り組みをビジネス戦略に沿って実施することで投資利益率を迅速に最大化し、最終的にはAIをビ
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
どうなっているの？あのソフトの仕組み - 今からでも遅くない！アルゴリズム入門：selfup
Webの全体像を効率よく取り込み，分類する 「YSTのシステムは大まかに三つの機能に分かれます（図2）。最初は世界中のWebページをYSTのシステムに取り込む『クローリング（crawling）』という機能です」（Yahoo! JAPAN，リスティング事業部 検索企画室の宮崎光世氏，以下同）。 取り込むと簡単に言っても，Webページの数は膨大なうえ，更新の頻度や情報の質などがまちまちです。すべてのページに同じようにアクセスしていると非効率なことこの上ありません。そこで，限られた時間で質の良い検索ができるようにするための工夫をしています。例えば，クローリングを繰り返すうちに頻繁に更新されることがわかったページは短いサイクルでチェックし，ほとんど更新のないページはチェックの頻度を落とす，といったことをしているそうです。 ただ，更新の頻度が単に高いだけではダメです。重要性が高いと考えられるWebサ
おすすめ商品について - Amazonカスタマーサービス
おすすめは、お客様の興味や関心に基づいて作成されます。 お客様の購入履歴、持っている商品、商品の評価などのデータが検証されます。Amazonサイトでのお客様のアクティビティを他の購入者と比較し、このデータを使用して、お客様へのおすすめで興味を持っていただけそうな他の商品をおすすめします 。 おすすめ商品の内容は、お客様ご自身が商品をご注文後あるいは評価後、あるいはお客様と類似した他のお客様の関心が変化するなど多くの要素に基づいて、定期的に変更されます。そのため、気になる商品が見つかったら、ほしい物リストやショッピングカートにひとまず入れておくと、後でまとめてチェックができて便利です。 注: Amazonから購入済みの商品がおすすめに表示される場合もあります。この場合、購入したものとは異なるエディション（ペーパーバック、ハードカバー、Kindle版など）をおすすめしている可能性があります。
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
TokyoWebmining#8 協調フィルタリングにおける希薄問題の解決法 - Random walk