【DS検定対策】似た好みのユーザーを探す！「協調フィルタリング」の仕組み
ECサイトや動画配信サービスで「この商品を買った人はこんな商品も買っています」とおすすめされる仕組みの裏側には、様々なレコメンデーション技術が使われています。今回はその中でも代表的な「協調フィルタリング（Collaborative Filtering）」の基本を整理しましょう！
1. 【 問題 】
レコメンデーション手法のうち、自分と「ほぼ同じアイテムに興味を持つ他のユーザ」の過去の行動履歴や評価データを手掛かりにして、まだ購入していないアイテムを予測・推薦する手法を何と呼ぶでしょうか？
① 協調フィルタリング（Collaborative Filtering）
② コンテンツベース・フィルタリング（Content-based Filtering）
③ ナレッジベース・レコメンデーション（Knowledge-based Recommendation）
④ ランダム・サンプリング（Random Sampling）
2. 【 解答 】
3. 整理：レコメンデーションの2大アプローチ
推薦システムでよく比較される「協調フィルタリング」と「コンテンツベース・フィルタリング」の違いを整理しておきましょう。
| 手法 | 特徴・判断基準 |
|---|---|
| 協調フィルタリング （★今回のテーマ） |
「ほかのユーザの行動」を利用する。 自分と好みが似ている他のユーザが「高評価したアイテム」や「買ったアイテム」をベースにおすすめする。 |
| コンテンツベース ・フィルタリング |
「アイテムの特徴（中身）」を利用する。 ユーザが過去に高評価したアイテムと「ジャンル、著者、キーワード、タグ」などの属性が似ているアイテムをおすすめする。 |
4. 協調フィルタリングの2つのアプローチ
① ユーザベース（User-based）：
・「自分と似た好みを持つユーザ」を探し、その人が気に入っている商品を推薦する。
② アイテムベース（Item-based）：
・「商品Aと似た買い方・評価をされている商品B」を探し、商品Aを気に入った人に商品Bを推薦する。（※Amazonなどでよく使われる高速な手法です）
5. DS検定形式：実戦4択クイズ
問：協調フィルタリングにおける「コールドスタート問題（Cold Start Problem）」に関する記述として、最も適切なものはどれか。
① システムを導入した初期段階において、過去の購買履歴や評価データが全く蓄積されていないため、十分な精度で推薦を行うことが難しくなる問題。
② ユーザやアイテムの数が膨大になりすぎて計算量が爆発し、リアルタイムでの推薦計算が不可能になる問題。
③ 悪意を持ったユーザが自社商品を不当に高く評価するために、複数の偽アカウントを作成して評価を操作してしまう問題。
④ 過去に一度も購入されたことがない不人気なアイテムが、検索結果の上位に永遠に表示されなくなってしまう問題。
【 正解： ① 】
解説： 「コールドスタート問題」は、データ（履歴）がない状態からスタートする際の特有の課題です。
①が正解です。新規ユーザや新規アイテムが登録された直後はデータがないため、適切な推薦ができません。
③は「シリング攻撃（不正評価攻撃）」などの説明です。
6. まとめ
DS検定や資格試験で「似た興味を持つユーザの情報を利用する」「ユーザ同士の相関を見る」といったキーワードが出たら、正解は「協調フィルタリング」です！ コンテンツベースとの違いや、コールドスタート問題とセットで覚えておきましょう！
