オススメ商品を探す

書店に本を買いに行く場合に、私たちははじめから購入する本を決めて買いに行く場合と、ぶらぶらと書店を歩き回って、立ち読みなどもしながら気に入った本を選ぶという買い方をする場合がありますよね。

インターネット書店などでは、1冊本を選ぶと、その本と似ている他の本がずらりと表示されて、新しく興味を惹かれる本を発見することができたり、好きな作者や出版社、ジャンルなどを指定することで、オススメの本を探すことができるシステムなどが利用できる場合もあります。

実際の書店でも、もしかするとそのような書籍検索システムが置いてあるところもあるかもしれません。
このような、オススメ商品を検索してくれるようなシステムには「協調フィルタリング」と呼ばれる人工知能のしくみのひとつが使われていることが多いようです。

 

精度の高いレコメンド

インターネットショップなどでオススメ商品が表示されるしくみは、Webのリンクやアクセス履歴から分析されたWeb構造マイニングの仕組みが使われていることもありますが、協調フィルタリングの仕組みによって個人の評価や商品購入の履歴を分析すれば、より精度の高いオススメ商品を表示させることができるのです。

では、より精度の高いレコメンド機能を持つ協調フィルタリングの仕組みとは、どのようなものなのでしょうか。

これは、Web構造マイニングと同様に、膨大な量のユーザーのアクセス履歴や購入履歴をもとに、商品同士の関連性を見つけ出し、Aという商品を買った人はBという商品を買う可能性も高い、という傾向を導き出すというものです。

また、購入履歴のレビューなどから、それぞれの評価を情報として収集し、似たような購入履歴、評価をしているグループの中から、オススメの商品を導き出していくという場合もあります。

いずれも協調フィルタリングの手法ですが、このようにさまざまな側面から情報をフィルタリングしていくことによって、レコメンドの精度をあげることができるのです。