🎨 直感で掴む — 「あなたに似た人」を見つけて代用する

レコメンデーションの仕組みを、 一言で言うと：

たとえば「あなた」「友達 A」「友達 B」の 3 人が、 過去にこんな映画評価をしていたとします：

3 作品ぶんの評価から、 「あなた」は友達 A と嗜好が近く、 友達 B とは正反対 だと分かります。 友達 A は「マッドマックス」に ★1 をつけているので、 「あなた」にも「マッドマックスは合わない」と推薦しない のが妥当な判断。

「協調フィルタリング」とは、 まさにこの 「似た嗜好の人が高評価したものをあなたにも推薦する」 作業を、 数百万ユーザー × 数百万アイテムでスケールさせる手法です。

3 大流派の使い分けマップ

📐 数式 — ユーザーベース協調フィルタリングの予測式

ユーザー $u$ がまだ評価していないアイテム $i$ について、 評価値 $\hat{r}_{u,i}$ を予測します：

類似度 $\mathrm{sim}(u, v)$ には コサイン類似度 または Pearson 相関 が頻用されます。 コサイン類似度の定義は：

もう 1 つの主流：行列分解（Matrix Factorization）

巨大なユーザー × アイテム評価行列 $R \in \mathbb{R}^{m \times n}$ を、 2 つの低次元行列に分解します：

Netflix Prize（2006-2009、 賞金 100 万 USD）で SVD ベースの行列分解が圧勝して以来、 業界標準の 1 つになりました。

🔬 数式を「言葉」で読み解く

ユーザーベース CF の予測式 $\hat{r}_{u,i} = \bar{r}_u + \sum_v \mathrm{sim}(u,v)(r_{v,i} - \bar{r}_v) / \sum_v |\mathrm{sim}(u,v)|$ を分解します。

要するに：「自分の平均評価点」を起点に、 「似た人が普段より高評価／低評価したぶんを類似度で重み付け平均して足す」――これが協調フィルタリングの核心です。

🧮 SSDSE 実データで「都道府県レコメンド」

本来のレコメンデーションは「ユーザー × アイテム」の関係ですが、 教育的アナロジーとして 「都道府県 ＝ ユーザー」「社会指標 ＝ アイテム」 と見立て、 「東京と嗜好（指標プロファイル）が似た県」を推薦してみます。 SSDSE-B-2026 から 5 指標 × 5 県を抜粋：

各県を 5 次元ベクトルとして扱い、 標準化してからコサイン類似度 を計算します（生の値だと「人口」の桁が他指標を支配するため）。

解釈：もし「東京の人」を 47 都道府県のどれかに 1 つ「住み替え推薦」したいなら、 ライフスタイルが最も近い 神奈川 が筆頭候補。 これが コンテンツベース 推薦（属性ベクトルの類似度）の最小例です。

🐍 Python 実装 — SSDSE-B で「東京に似た県」を推薦

① ライブラリと前処理

 1
 2
 3
 4
 5
 6
 7
 8
 9
10
11
12
13
14
15
16

import pandas as pd
import numpy as np
from sklearn.preprocessing import StandardScaler
from sklearn.metrics.pairwise import cosine_similarity

# データ読込
df = pd.read_csv('data/raw/SSDSE-B-2026.csv', encoding='utf-8', skiprows=1)

# 都道府県名を index に、 最新年の数値列のみ抽出
df_latest = df[df['年度'] == df['年度'].max()].copy()
df_latest = df_latest.set_index('都道府県')
features = df_latest.select_dtypes(include=[np.number])
features = features.dropna(axis=1)  # 欠損列を落とす

print(features.shape)  # 例: (47, 100+)
print(features.head())

② コサイン類似度で「全県 × 全県」の類似度行列を作る

 1
 2
 3
 4
 5
 6
 7
 8
 9
10
11

# Z 標準化（指標の単位を揃える）
scaler = StandardScaler()
X = scaler.fit_transform(features)

# コサイン類似度行列（47×47）
sim_matrix = cosine_similarity(X)
sim_df = pd.DataFrame(sim_matrix, index=features.index, columns=features.index)

print(sim_df.loc['東京都'].sort_values(ascending=False).head(10))
# 自分自身を除いた上位5県を表示
print(sim_df.loc['東京都'].drop('東京都').sort_values(ascending=False).head(5))

③ ユーザーベース協調フィルタリング（仮想評価行列で）

 1
 2
 3
 4
 5
 6
 7
 8
 9
10
11
12
13
14
15
16
17
18
19
20
21

# 仮に 5 指標を「アイテム」と見立てて評価値行列を構築
items = ['人口', '大学進学率', '持家率', '平均所得', '高齢化率']
R = features[items].copy()  # 47×5 の「評価行列」

# 行ごと平均を引いて平均中心化
R_centered = R.sub(R.mean(axis=1), axis=0)

# 県間類似度（ユーザー類似度）
user_sim = cosine_similarity(R_centered.fillna(0))
user_sim = pd.DataFrame(user_sim, index=R.index, columns=R.index)

# 東京の「大学進学率」を伏せて、 上位 5 近傍から予測してみる
target_user = '東京都'
target_item = '大学進学率'
neighbors = user_sim[target_user].drop(target_user).sort_values(ascending=False).head(5)

num = sum(neighbors[v] * (R.loc[v, target_item] - R.loc[v].mean()) for v in neighbors.index)
den = neighbors.abs().sum()
pred = R.loc[target_user].mean() + num / den

print(f'予測値: {pred:.1f}, 実測値: {R.loc[target_user, target_item]:.1f}')

④ scikit-learn 風 API：implicit / surprise ライブラリ

 1
 2
 3
 4
 5
 6
 7
 8
 9
10
11
12
13
14
15
16
17
18

# pip install scikit-surprise
from surprise import Dataset, Reader, KNNBasic, SVD
from surprise.model_selection import cross_validate

# 仮想「県 × 指標 × 値」のロング形式を作る
long_df = R.stack().reset_index()
long_df.columns = ['user', 'item', 'rating']

reader = Reader(rating_scale=(long_df['rating'].min(), long_df['rating'].max()))
data = Dataset.load_from_df(long_df[['user','item','rating']], reader)

# ユーザーベース kNN
algo = KNNBasic(sim_options={'name':'cosine','user_based':True})
cross_validate(algo, data, measures=['RMSE','MAE'], cv=3, verbose=True)

# 行列分解（SVD）
svd = SVD(n_factors=10, n_epochs=20, random_state=0)
cross_validate(svd, data, measures=['RMSE','MAE'], cv=3, verbose=True)

⑤ ランキング指標（Precision@K, Recall@K, nDCG）

 1
 2
 3
 4
 5
 6
 7
 8
 9
10
11
12
13
14
15
16
17
18
19
20
21

def precision_at_k(recommended, relevant, k):
    rec_k = recommended[:k]
    return len(set(rec_k) & set(relevant)) / k

def recall_at_k(recommended, relevant, k):
    rec_k = recommended[:k]
    return len(set(rec_k) & set(relevant)) / len(relevant) if relevant else 0.0

def dcg_at_k(scores, k):
    return sum((2**s - 1) / np.log2(i + 2) for i, s in enumerate(scores[:k]))

def ndcg_at_k(recommended_scores, ideal_scores, k):
    dcg = dcg_at_k(recommended_scores, k)
    idcg = dcg_at_k(sorted(ideal_scores, reverse=True), k)
    return dcg / idcg if idcg > 0 else 0.0

# 例：東京の Top5 推薦が「神奈川, 大阪, 愛知, 千葉, 埼玉」、 正解が「神奈川, 千葉, 兵庫」
rec = ['神奈川', '大阪', '愛知', '千葉', '埼玉']
rel = ['神奈川', '千葉', '兵庫']
print('Precision@5:', precision_at_k(rec, rel, 5))  # 0.4
print('Recall@5:', recall_at_k(rec, rel, 5))         # 0.667

⚠️ レコメンデーションの 5 つの落とし穴

🌐 関連手法・派生

レコメンデーションの主要なバリエーション：

本サイトでは コサイン類似度 や k-means クラスタリング が推薦の前処理として登場します。 また、 主成分分析 は行列分解の親戚（SVD ≒ 中心化後の PCA）であり、 推薦の根底技術と密接に関係します。

🔗 関連用語（前提・並列・発展）

📥 前提として知っておくと深まる

🔁 並列で覚えたい

🚀 発展・応用

🗺 概念マップ — レコメンデーションを取り巻く技術地図

推薦システムは多くの統計・機械学習技術が交わる十字路です。 全体像を 1 枚にまとめました。

典型的な大規模本番推薦システムは、 2 段階アーキテクチャで構築されます：

1. 候補生成（Candidate Generation）：数百万アイテムから数百〜数千に絞る。 高速性重視。 Two-Tower、 行列分解、 近似最近傍検索（ANN）が定番。
2. リランキング（Ranking）：絞られた候補を精緻にスコアリング・並べ替え。 精度重視。 GBDT（LightGBM, XGBoost）、 DNN を多用。

さらに 事後処理（Post-Processing） として多様性、 ビジネスルール、 公平性制約を適用してから最終リストを返します。

📈 評価指標を深堀り — Precision@K, Recall@K, nDCG, MAP

推薦の評価指標は 「予測誤差系」（RMSE, MAE）と 「ランキング系」（Precision@K, Recall@K, nDCG, MAP, MRR）に大別されます。 現代の業界標準はほぼランキング系です。

nDCG の計算ステップ

nDCG（normalized Discounted Cumulative Gain）は 順位による割引を入れた指標です：

例：5 件推薦して関連度が [3, 2, 0, 1, 2] だったとき：

• DCG@5 = $(2^3-1)/\log_2 2 + (2^2-1)/\log_2 3 + 0 + (2^1-1)/\log_2 5 + (2^2-1)/\log_2 6 \approx 7 + 1.89 + 0 + 0.43 + 1.16 \approx 10.5$
• 理想順 [3, 2, 2, 1, 0] の IDCG ≈ 7 + 1.89 + 1.5 + 0.43 + 0 ≈ 10.8
• nDCG@5 ≈ 10.5 / 10.8 ≈ 0.97

🏢 実世界の事例 — 5 つの代表的システム

🕰 推薦システムの歴史 — 5 つの転換点

🔬 行列分解（Matrix Factorization）を数学的に

Netflix Prize 優勝アルゴリズムの中核技術。 ユーザー × アイテム評価行列 $R$ を 2 つの低次元行列に分解します：

確率的勾配降下（SGD）での解法

各観測 $(u, i, r_{u,i})$ ごとに：

1. 予測誤差 $e_{u,i} = r_{u,i} - \mathbf{p}_u^{\top}\mathbf{q}_i$ を計算
2. $\mathbf{p}_u \leftarrow \mathbf{p}_u + \eta\bigl(e_{u,i}\mathbf{q}_i - \lambda \mathbf{p}_u\bigr)$
3. $\mathbf{q}_i \leftarrow \mathbf{q}_i + \eta\bigl(e_{u,i}\mathbf{p}_u - \lambda \mathbf{q}_i\bigr)$

$\eta$＝学習率（0.005〜0.05 程度）。 数十エポックで収束。 全観測を 1 度なめるごとに 1 エポック。

バイアス項を入れた発展形（biasMF）

実装：NumPy で 30 行 SGD

 1
 2
 3
 4
 5
 6
 7
 8
 9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32

import numpy as np

# 観測リスト: [(user_id, item_id, rating), ...]
n_users, n_items, k = 47, 100, 8
eta, lam, n_epochs = 0.01, 0.05, 50

P = np.random.normal(0, 0.1, (n_users, k))
Q = np.random.normal(0, 0.1, (n_items, k))
bu = np.zeros(n_users)
bi = np.zeros(n_items)
mu = np.mean([r for _,_,r in observations])

for epoch in range(n_epochs):
    np.random.shuffle(observations)
    sse = 0
    for u, i, r in observations:
        pred = mu + bu[u] + bi[i] + P[u] @ Q[i]
        e = r - pred
        sse += e**2
        bu[u] += eta * (e - lam * bu[u])
        bi[i] += eta * (e - lam * bi[i])
        P[u] += eta * (e * Q[i] - lam * P[u])
        Q[i] += eta * (e * P[u] - lam * Q[i])
    rmse = np.sqrt(sse / len(observations))
    if epoch % 10 == 0:
        print(f'Epoch {epoch}: RMSE={rmse:.4f}')

# 推薦: ユーザー u の未観測アイテムスコア
def recommend(u, observed_items, top_n=10):
    scores = mu + bu[u] + bi + P[u] @ Q.T
    scores[list(observed_items)] = -np.inf
    return np.argsort(-scores)[:top_n]

💡 暗黙的フィードバック — 「★を押してくれないユーザー」をどう扱うか

現実のサービスでは、 ユーザーが ★1〜5 のような明示的な評価 をしてくれることは稀です。 代わりに 暗黙的なシグナル（クリック、 滞在時間、 購入、 視聴完走率、 スクロール深度、 再生スキップ等）を学習信号として使います。

明示的 vs 暗黙的の比較

ALS（Alternating Least Squares）の信頼度重み付け

暗黙的フィードバック用に Koren ら（2008）が提案した古典的手法：

P と Q を交互に固定して最小二乗で解くため SGD より並列化しやすく、 Spark MLlib などで大規模実装が確立されています。

BPR（Bayesian Personalized Ranking）

Rendle ら（2009）が提案した ペアワイズ学習 アプローチ。 「観測済アイテム i は未観測アイテム j より好まれるはず」をベイズ的最尤推定で学習：

🛡 公平性・プライバシー・倫理

推薦システムは 「誰に何を見せるか」 を決める強力な装置。 副作用として以下の倫理的問題が議論されています：

🧪 SSDSE 47 都道府県の「完全」推薦パイプライン

これまでの議論を踏まえ、 SSDSE-B-2026 全 47 都道府県を使った End-to-End 推薦パイプライン を構築します。 「都道府県＝ユーザー」「指標＝アイテム」のアナロジーを最後まで突き詰めます。

パイプライン全体図

1. データ取得 — pd.read_csv('data/raw/SSDSE-B-2026.csv')
2. 前処理 — 欠損補完、 最新年抽出、 数値列のみ
3. 標準化 — Z-score で指標スケール統一
4. 類似度計算 — 県間コサイン類似度 47 × 47
5. 推薦生成 — 各県の最近傍 Top 5
6. 評価 — 「地理的隣県＝正解」と仮定して Precision@5
7. 多様化 — MMR（Maximal Marginal Relevance）でリランキング

完全実装

 1
 2
 3
 4
 5
 6
 7
 8
 9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
72

import pandas as pd
import numpy as np
from sklearn.preprocessing import StandardScaler
from sklearn.metrics.pairwise import cosine_similarity

# === 1. データ取得 ===
df = pd.read_csv('data/raw/SSDSE-B-2026.csv', encoding='utf-8', skiprows=1)

# === 2. 前処理：最新年抽出 + 数値列のみ ===
df = df[df['年度'] == df['年度'].max()].copy()
df = df.set_index('都道府県')
X_raw = df.select_dtypes(include=[np.number]).dropna(axis=1)

# === 3. 標準化 ===
scaler = StandardScaler()
X = scaler.fit_transform(X_raw)

# === 4. 全県間コサイン類似度（47×47）===
sim = cosine_similarity(X)
sim_df = pd.DataFrame(sim, index=X_raw.index, columns=X_raw.index)

# === 5. 各県への推薦 Top 5 ===
def recommend(pref_name, k=5):
    s = sim_df[pref_name].drop(pref_name)
    return s.sort_values(ascending=False).head(k)

print('東京都への推薦:')
print(recommend('東京都'))
print()
print('秋田県への推薦:')
print(recommend('秋田県'))
print()
print('沖縄県への推薦:')
print(recommend('沖縄県'))

# === 6. 評価：地理的隣県を正解と仮定（テスト用）===
# 簡易的に「同じ地方ブロックの県」を正解と定義
chiho = {
    '東京都': ['神奈川県','千葉県','埼玉県','茨城県','栃木県','群馬県','山梨県'],
    '大阪府': ['京都府','兵庫県','奈良県','和歌山県','滋賀県'],
    '沖縄県': ['鹿児島県','宮崎県','熊本県','長崎県','大分県','佐賀県','福岡県'],
}

def precision_at_k(pref, k=5):
    rec = recommend(pref, k).index.tolist()
    rel = chiho.get(pref, [])
    if not rel: return None
    return len(set(rec) & set(rel)) / k

for p in chiho:
    print(f'{p}: Precision@5 = {precision_at_k(p):.2f}')

# === 7. MMR でリランキング（多様性を入れる）===
def mmr_rerank(target, candidates, lambda_=0.7, k=5):
    selected = []
    remaining = list(candidates)
    while len(selected) < k and remaining:
        best, best_score = None, -np.inf
        for c in remaining:
            relevance = sim_df.loc[target, c]
            diversity = 0 if not selected else max(sim_df.loc[c, s] for s in selected)
            score = lambda_ * relevance - (1 - lambda_) * diversity
            if score > best_score:
                best_score, best = score, c
        selected.append(best)
        remaining.remove(best)
    return selected

# 候補を Top 15 から、 多様性 30% で再ランキングして Top 5 を取り直し
candidates = recommend('東京都', k=15).index.tolist()
diversified = mmr_rerank('東京都', candidates, lambda_=0.7, k=5)
print('東京都 多様化リランキング Top5:', diversified)

典型的な出力（解釈つき）

面白い発見：単純なコサイン類似度だけでも、 地理的隣県・経済規模・人口構造 がうまく反映されています。 たとえば「秋田 → 高知・島根」のように、 地理は離れていても 「人口減少・高齢化が急速」という共通プロファイル が浮かび上がる。 これがレコメンデーションの面白さです。

MMR（Maximal Marginal Relevance）で多様性を入れる

$\lambda = 1.0$ では純粋にコサイン類似度順、 $\lambda = 0.0$ では最も既選択と異なるものを選ぶ。 中間で関連性と多様性のバランスを取ります。

🎯 ハイブリッド推薦の設計パターン

純粋な協調フィルタリングやコンテンツベースだけでは限界があるため、 実務システムではほとんどが ハイブリッド設計を採用しています。 主要な組み合わせパターン：

Netflix Prize の優勝アンサンブル

2009 年に賞金 100 万 USD を獲得した「BellKor's Pragmatic Chaos」チームは、 100+ 種類の異なるモデルをアンサンブルしていました。 内訳の例：

• SVD / SVD++ の異なる潜在次元数（k=10, 20, 50, 100, 200）
• 時間軸を考慮した時間 SVD（timeSVD++）
• 制限付きボルツマンマシン（RBM）
• 近傍ベース CF の多様なバリエーション
• 非線形回帰のフィット
• 各モデルの出力を線形結合する blending

この勝利は、 単一モデルの最適化より 「多様なモデルの組み合わせ」がより強力という教訓を残しました。

現代の業界標準：2 段階システム

1. 候補生成（Candidate Generation, Recall）：数百万アイテムから数百〜数千に絞る。 速度優先。
2. リランキング（Ranking）：絞られた候補を精緻にスコアリング。 精度優先。

候補生成では Two-Tower モデルや近似最近傍検索（ANN; FAISS, ScaNN）、 リランキングでは GBDT（LightGBM, XGBoost）や DNN を多用。 YouTube、 TikTok、 Pinterest など主要プラットフォームの推薦システムはこのパターン。

🛠 推薦システム構築の実用 Tips

① 前処理での落とし穴

• 欠損データの扱い：「未評価 = 0」とすると bias が入る。 平均中心化、 ベースライン推定、 暗黙的フィードバック化が定石
• 時間軸の重要性：「最近の評価」は「古い評価」より信頼性高い。 時間減衰重み（$w_t = \exp(-\lambda(t_{now} - t))$）を導入
• ヘビーユーザー vs ライトユーザー：1 人で 1000 アイテム評価する人と 5 アイテムの人を同等に扱うと歪み発生。 正規化必須
• 偽の評価（ボット、 工作）：レビューサイトや EC では「サクラ評価」がモデルを汚染。 異常検知で除去

② オフライン評価のベストプラクティス

• 時系列分割：ランダム分割は 未来の情報を使う 形のリーク発生。 時間で分けて「過去 → 未来予測」を再現
• Leave-One-Out：各ユーザーの最後の評価をテスト、 残りを訓練。 標準的
• 負例サンプリング：暗黙的フィードバックでは「観測なし」が膨大。 適切な負例サンプリング戦略が決定的
• 複数指標で評価：Precision、 Recall、 nDCG、 Coverage、 Diversity をバランス良く

③ オンライン A/B テストの設計

• 必ず実施：オフライン指標と実 KPI（CTR、 売上、 継続率）は乖離する
• 長期 KPI も追う：CTR は上がっても 1 ヶ月後の継続率が下がれば失敗
• セグメント別分析：新規／既存、 ヘビー／ライト、 年代別などで効果が異なる
• サンプルサイズ計算：必要なユーザー数を統計的に算出してから実施

④ 本番運用での監視

• 推薦の鮮度：同じユーザーに同じアイテムを推薦し続けない仕組み（impression history）
• 多様性監視：上位推薦が特定カテゴリに偏っていないか
• カバレッジ監視：カタログのロングテールがどれだけ推薦されているか
• レイテンシ監視：推薦応答時間（p99 で 100ms 以下が目標）
• フィードバックループ：推薦結果がユーザー行動を歪め、 学習データが偏る

⑤ よくある失敗事例

🧪 公平性と倫理 — 推薦システムが社会に与える影響

推薦システムは 「数億人の毎日の選択」を方向付ける強力な装置です。 技術的問題だけでなく、 社会的・倫理的影響も計算に入れた設計が求められています。

① 推薦のバイアスと差別

2018 年、 Amazon の社内採用 AI で「女性応募者を不利に評価する」バイアスが発覚し、 同社は AI 採用を中止しました。 これは過去の採用データ（男性偏重）を学習したことが原因。 推薦システムでも同じ問題が頻発：

• 求人推薦で女性に低賃金職が偏る
• 金融商品推薦で人種・地域によって差別的
• 住宅広告で人種別のターゲティング（Facebook 訴訟事例）
• 動画推薦で過激なコンテンツを推奨し続ける

② 公平性指標の定式化

③ プライバシー保護技術

推薦の精度とユーザープライバシーは相反する側面があります：

• 連合学習（Federated Learning）：データを集中させず、 各端末で学習 → モデル更新だけ集約。 Google Gboard で実装
• 差分プライバシー（Differential Privacy）：学習時にノイズを追加し、 個人の特定を不可能に。 Apple iOS で実装
• 準同型暗号：暗号化されたデータのまま計算。 計算コストは高いが究極のプライバシー
• オンデバイス推薦：推薦処理を端末側で完結。 サーバに行動履歴を送らない

④ 説明可能な推薦（Explainable Recommendation）

「なぜこれが推薦されたか」を説明する技術。 EU GDPR では「自動化された決定の説明を受ける権利」が明文化されました。

• テンプレートベース：「あなたが過去に X を好んだから」
• 類似ユーザーベース：「あなたと嗜好が似た N 人が高評価」
• 属性ベース：「ジャンル A の作品があなたの好みに合うため」
• Attention 可視化：DNN モデルでどの要素が判断に効いたか
• 反実仮想説明：「もし X を見ていなかったら、 この推薦は出なかった」

📚 関連グループ教材

レコメンデーションは 「機械学習応用」「情報検索」 のグループに属します。 同カテゴリの教材：

このサイト内で関連する論文再現

• 2020 年以降の論文 — 都道府県クラスタリングや類似度ベースの分類で、 推薦の親戚アルゴリズムが頻出
• テキスト分析系 — TF-IDF・コサイン類似度の応用
• 機械学習基礎 — k-NN、 SVD、 行列分解

推奨書籍

• 『推薦システム実践入門』（風間正弘ら、 O'Reilly Japan）— 日本語で実装中心、 初学者最適
• 『Recommender Systems Handbook』（Ricci ら、 Springer）— 学術的網羅
• 『Practical Recommender Systems』（Falk、 Manning）— 実装重視の英語書
• 論文：『Matrix Factorization Techniques for Recommender Systems』（Koren ら、 IEEE Computer 2009）— Netflix Prize 直後の総説

オンライン資源

• scikit-surprise（surprise.readthedocs.io）— 教育用 Python ライブラリ
• implicit（github.com/benfred/implicit）— 暗黙的フィードバック向け、 高速
• LightFM（making.lyst.com/lightfm）— ハイブリッド推薦
• TensorFlow Recommenders（tensorflow.org/recommenders）— 大規模本番向け

🧠 レコメンデーションの三大流派 — 深堀り

レコメンデーションシステムは 協調フィルタリング・コンテンツベース・ハイブリッドの三大流派に分かれます。 SSDSE-B-2026 の都道府県データを使うと、 「東京に似た県を推薦」のような直感的タスクで原理が学べます。

$$\hat r_{u,i} = \bar r_u + \frac{\sum_{v \in N_u} \mathrm{sim}(u,v)(r_{v,i} - \bar r_v)}{\sum_{v \in N_u} |\mathrm{sim}(u,v)|}$$

上式はユーザーベース協調フィルタリングの予測式。 ユーザー $u$ が商品 $i$ に付ける評価を、 「$u$ と似た他ユーザー $v$ の評価」の重み付き平均で予測します。

📊 推薦アルゴリズム早見表（拡張）

Netflix Prize (2006-2009) で Matrix Factorization が王者になり、 その後 Deep Learning ベース (NCF, Two-Tower) が主流に。

❄ Cold Start 問題 — 4 つの対処法

Cold Start 問題への対処：

• 新規ユーザー：人気商品 Top-K、 デモグラフィックベース、 オンボーディング質問。
• 新規商品：コンテンツ類似度、 アクティブラーニング。
• 新規ドメイン：Transfer Learning、 Meta-Learning。
• スパース性：Implicit feedback (クリック・閲覧時間)、 副情報の活用。

🔗 関連用語（追加）

• 類似度：CF の核となる距離尺度。
• コサイン類似度：標準的な類似度。
• 行列演算：Matrix Factorization の基盤。
• ニューラルネット：NCF の基盤。
• 次元削減：埋め込みベクトル生成。

❓ よくある質問（FAQ）

🏛 Recommendation の歴史

• 1992：Goldberg et al.: Using collaborative filtering to weave an information tapestry で「協調フィルタリング」を命名。
• 1994：Resnick et al.: GroupLens で UB-CF の本格実装。
• 1998：Amazon: Item-based CF を商業利用、 推薦エンジンの代名詞に。
• 2003：Linden et al.: Amazon.com Recommendations 論文。
• 2006-2009：Netflix Prize: Matrix Factorization が王者に。
• 2009：Koren et al.: Matrix Factorization Techniques for Recommender Systems。
• 2017：He et al.: Neural Collaborative Filtering で深層学習統合。
• 2019：Two-Tower モデル: Google YouTube で実用化、 大規模埋め込み学習。
• 2020 年代：LLM 統合: プロンプトベース推薦、 マルチモーダル推薦。

💼 産業応用事例