タグクラスタ多様化による未知性を考慮した推薦手法の提案

摘要

近年推薦システムの研究において，その有用性は予測精度（適合率，再現率）の高さとされていたが，既存の推薦方法では，ユーザは予測精度の高さだけでは満足しないということが報告されている．したがって，今後の推薦システムの課題として，未知性や意外性といった予測精度以外の新たな観点が重要とされている．こうした課題を踏まえ，本論文では推薦リストの未知性という観点に着目し，ユーザの嗜好に合致するが，まだ知らないコンテンツの発見を促す推薦手法を提案する．多面的に付与されたタグの話題単位で推薦リストを多様化することにより，予測精度を維持しつつ，未知性を向上させる．評価実験の結果，推薦リストの約6割に嗜好に合致し，かつ知らないコンテンツが含まれ，未知性の高い推薦が実現できていることを確認した．