コンテンツベースフィルタリングの理解
問題
コンテンツベースフィルタリングに関する記述のうち誤りを1つ選べ。
解説
コンテンツベース・フィルタリングは、推薦システム(レコメンド)の手法の一つで、ユーザーが過去に好んだアイテム(商品、映画、記事など)の「特徴・属性(コンテンツ)」を分析し、それと似た特徴を持つ別のアイテムを推薦する仕組みです。
例えば「過去にアクション映画をよく見たユーザーに、別のアクション映画を勧める」といった具合です。
ユーザー自身の行動履歴に基づくため、新商品(まだ誰にも評価されていないアイテム)であっても特徴さえわかれば推薦できるという強みがあります。
1. コンテンツベースは商品の特徴を使う
正しい:ジャンル、価格、監督、出演者、テキスト内容など、アイテム(商品)自体が持つ特徴(属性)を分析して推薦に利用します。
2. コンテンツベースはユーザの嗜好を使う
正しい:ユーザーが過去にどのような特徴を持ったアイテムを購入・評価したか(=ユーザーの嗜好プロファイル)を基準として使います。
3. コンテンツベースは類似ユーザの行動を使う
誤り:類似する他のユーザーの行動履歴(「この商品を買った人はこんな商品も買っています」)を利用するのは「協調フィルタリング」です。
4. コンテンツベースは新規ユーザにも比較的強い
正しい:アイテム自体の特徴を利用するため、過去のデータがない新商品でも推薦可能です。また、ユーザー自身の好みに基づくため、全体的なデータが少ない新規に近いユーザーにも適用しやすいという特徴があります。
📚 より詳細を学びたい方へ
同じカテゴリの問題
- 教師あり学習の基本要件
- 回帰問題の理解
- 分類問題の特徴
- 決定木モデルの性質
- サポートベクターマシン(SVM)の理解
- カーネルとカーネルトリック
- 重回帰分析の理解
- 勾配ブースティングの特徴
- 多クラス分類の理解
- 教師あり学習のビジネス応用
- アンサンブル学習の基本概念
- バギングの特徴
- ブートストラップサンプリングの理解
- ランダムフォレストの性質
- ブースティングの理解
- ランダムフォレストの特徴
- 自己回帰モデル(AR)の理解
- VARモデルの特徴
- マージン最大化の理解
- ロジスティック回帰の理解
- 教師なし学習の基本概念
- k-means法の理解
- t-SNEの特徴
- ウォード法の理解
- 協調フィルタリングの理解
- クラスタリングの特徴
- 次元削減の理解
- 主成分分析(PCA)の理解
- 潜在的ディリクレ配分法(LDA)の理解
- 多次元尺度構成法(MDS)の理解
- デンドログラムの理解
- 特異値分解(SVD)の理解
- コンテンツベースフィルタリングの理解
- クラスタ分類の理解
- 強化学習の基本概念
- 方策(Policy)の理解
- 価値関数の理解
- 行動価値関数Q(s,a)の理解
- 状態価値関数V(s)の理解
- TD誤差の理解
- Actor-Criticの理解
- Q学習の特徴
- ε-greedy方策の理解
- UCB方策の理解
- バンディット問題の理解
- 方策勾配法の理解
- REINFORCEの特徴
- マルコフ決定過程(MDP)の理解
- マルコフ性の理解
- 期待割引報酬の理解
- 割引率γの理解
- 汎化性能の理解
- 訓練誤差と汎化誤差
- ホールドアウト検証の理解
- 交差検証の特徴
- k-分割交差検証の理解
- 混同行列の理解
- 偽陽性・偽陰性の理解
- 正解率の計算
- 適合率の計算
- 再現率の計算
- F値の理解
- 回帰指標MSEの理解
- RMSEの理解
- MAEの理解
- ROC曲線の理解
- AICの理解
- BICとオッカムの剃刀


