データをもとに、ユーザーが気に入りそうなアイテムを推薦する推薦システムは、通販サイトや求人サイトなど、生活のいたるところで利用されています。本連載では推薦システムについて学びたい開発者やデータサイエンティスト、およびプロダクトのユーザー体験を向上させたいと考えている方向けに、接触履歴情報のみを用いる「暗黙的フィードバック」を使った推薦システムの概要と代表的なアルゴリズム、およびそれらの長所と短所を解説します。前回は、接触履歴情報のみのデータである「暗黙的フィードバック」を用いた推薦システムのうちで、最もポピュラーな手法である行列分解(Matrix Factorization)について説明しました。今回は、行列分解のアルゴリズムを適用する具体的なコードの説明を通して、行列分解の理解を深めていきましょう。
この記事は参考になりましたか?
- 現場のAIエンジニアに学ぶ推薦システム入門連載記事一覧
-
- レコメンドアルゴリズム「BPR」による推薦システムの実装と、SVD・WARP手法との比較【...
- 行列分解を用いた推薦システムを実装してみよう!【推薦システム入門】
- 推薦システム初心者におすすめの手法「行列分解」とは? ~特異値分解からCB2CF法によるコ...
- この記事の著者
-
大槻 知貴(株式会社ビズリーチ)(オオツキ トモキ)
株式会社ビズリーチ(Visionalグループ) CTO室 AIグループ所属 NTTデータ数理システム、AIベンチャーを経て、2018年にビズリーチ入社。データサイエンス業務に従事し、Visionalグループにおける機械学習関連機能のR&Dを担当。理学博士(物理学)。
※プロフィールは、執筆時点、または直近の記事の寄稿時点での内容です
-
中江 俊博(株式会社ビズリーチ)(ナカエ トシヒロ)
株式会社ビズリーチ(Visionalグループ) CTO室 AIグループ所属 NTTデータ数理システムにてデータ分析の受託案件を多数担当。その後、IoTスタートアップを経て、2019年にビズリーチ入社。レコメンドシステムなど機械学習関連の実装作業に従事。
※プロフィールは、執筆時点、または直近の記事の寄稿時点での内容です