ムラタリアム

こんにちは、ゼミ生の伊藤です。今回は僕が担当します。さっそく本題へ移ります。
今回は『レコメンデーション(お勧め)』について。

　ブログの登場などで、利用者も情報を発信しやすくなり情報が洪水のように溢れるウェブ２．０の世界では、情報のオーバーロードによって有用なコンテンツやデータをすくいあげることが検索エンジンだけでは対応できなくなっている。それを解決するのがレコメンデーションである。

　レコメンデーションとは、利用者に対してシステム側が最適なデータを自動的に絞り込み提案する、といった仕組みである。
　前回、例としてAmazonの協調フィルタリングについて触れました。そして画期的でありながらもそれにはいくつかの問題点があるということを説明してくれました。その問題点を解決するために、協調フィルタリング以外の具体的な新手法の登場となります。

Ｐ24〜31参照
1、コンテンツベース・フィルタリング
2、協調フィルタリング＋自然言語処理　例、チームラボが提供する『セレクトウェア』
3、確率論を利用したレコメンデーション　例、ゼロスタートコミュニケーションの『ゼロゾン』
4、ＳＮＳなどを利用したクチコミ・レコメンデーション　
5、リアルコムがリリースする『ソーシャルフィード』＋協調フィルタリング　
と、様々な企業が新手法を企てている。
　
　1は予め自分がどのようなものが好みかを事前に登録しておき、、その好みに応じて勧めてもらうという仕組みです。
　
　2は、サイト内のどのボタン(コンテンツ)をクリックしたかによって、そのユーザーの好みをコンピューターが推測し、勧めるという仕組みです。
　
　3は、ベイジアンネットワークを応用したものです。ベイジアンネットワークというのは、迷惑メールの判別に使われており、迷惑メールとそうでないメールを見比べ、どのような単語が含まれているか、出現率によってそれらを見分けるといったシステムです。これを用い、既存の協調フィルタリング＋商品の中身や顧客属性の要素を盛り込んだレコメを行える。
　
　4は、SNＳを用いてその友人同士のクチコミを利用するものです。
　
　5は、ソーシャルフィードはユーザーの閲覧記録から趣味嗜好が似ているもの同士を結び、見えないコミュニティを作る。更に、そのコミュ内の個人の趣味を加味し、そのコミュに適した情報を提供するといった仕組みです。
　
１と２と３はそのサイト内でのルゴリズム(パソコンの処理)によって全て行われる。一方で４と5は他者との人間関係が生じ、サイト外での活動を通してレコメが行われることになる。４と５は、その商品が自分と他者がどのように好みが一致しているかを可視化するというメリットがある。

　機械的な判断によるレコメか、人間の趣味嗜好によるレコメか、ということになるわけですが。どちらが良いとかではなくてどちらも併用すればいいと思うのですが、それだと回りくどい。本書ではＳＮＳなどのレコメに対して『おせっかいである』、『微妙な人間の嗜好の違いが生じる』と記されています。パソコンを通じているとはいえ、ほぼリアルな人間関係が構築されている言えるのだから、人間関係特有の障害も生じるでしょう。それらを考慮すると、僕としては機械的なレコメのほうを推します。
　
　例えば、Amazonなら協調フィルタリングを使用、機械的に算出された商品に対してのレビューを読むことが出来ます。そのレビューは上の４と５の役割(その商品が自分と他社がどのように好みが一致しているかを可視化するということ)を十分果たしていることになります。他者の意見をレビューで補えるなら、わざわざＳＮＳのような外部を通してレコメをしてもらうということをしなくても、サイト内で機械的に処理することを基盤とするAmazon等を使えば良いのではないのだろうか・・・と僕は思います。