---

customers who viewed this item also viewed(この商品を見ている人はこの商品も見ています)について

概要

• レコメンドアルゴリズムの一つ
• 強力
• 様々な実装法
• 特定の人気のユーザに偏ることがある

計算方法1

• 具体的な計算方法
  • MFと同様にuser x itemの行列を作成する
  • item軸をクエリベクトルとして全体の行列から類似度を計算する
• メリットとデメリット
  • メリット
    • コサイン類似度で一括して計算できる
  • デメリット
    • すべてを計算するので計算が重い

計算方法2

• 具体的な計算方法
  • \(item_a = [user_{x}, user_{y}, …, user_{z}]\)をすべてのアイテムについて計算する
  • \(user_A = [item_a, item_b, …, item_z]\)をすべてのユーザについて検索する
  • itemに紐づくユーザに紐づくアイテムを集計し、頻度の降順がレコメンドとなる
• メリットとデメリット
  • メリット
    • 一件だけの結果を計算するで早い
    • 特定のユーザの出現確率を調整可能
  • デメリット
    • オンメモリでデータを所有するとメモリを消費する

調整とヒューリスティック

• 出現確率の調整
  • itemをいくつかランダムサンプルし、そのアイテムのレコメンド結果をofflineで計算する
  • 特定のitemの偏り具合を計算し、偏り具合を解消する重みを与える

参考

• Customers Who Viewed This Item Also Viewed …