前回の続きです。
引き続きイントロダクションです。
前回分はこちら↓↓
Chapter1 1.1~1.2 http://qiita.com/ru_pe129/items/14d502ac4069389f0327
1.3 Data and Knowledge Sources
RSに用いることができるデータの多様性が高まってきたため、うまく推薦できるかどうかは推薦手法に大きく依存すると言えるが、RSに用いられるデータも手法によって様々である。用いるデータの例としてはアイテムに対するユーザーの評価、社会的関係、アクティビティ、制約条件などがあげられる。一般的に、アイテム、ユーザー、トランザクションの3つに分けることができる。
アイテム:アイテムは推薦によって示すもののことである。アイテムには常にコストがかかる。実際に商品などを購入する時のコストはもちろんだが、検索や閲覧によって生じる「認知コスト」も考慮しなければならない。認知コストが低いアイテムの例としては映画やCDが例として挙げられる。認知コストが高いアイテムの例としては、パソコン、旅行、投資などが挙げられる。
ユーザー:それぞれのユーザーは異なった目的を持っており、パーソナライズした推薦を行うことが重要である。RSはユーザーの好みに応じて推薦を行うものであるが、ユーザーをモデル化するツールとみなすことも出来る。
トランザクション:ここではユーザーとRSのやりとりをトランザクションと定義する。ユーザーとRSのやりとりで生まれるデータやアイテムに対するユーザーの評価もトランザクションに含まれる。トランザクションをRSに用いることでユーザーの行動を推薦に用いることができ、さらにユーザーからのフィードバックによってRSを磨くことが可能となる。
メモを書きながら読むとスピードがすごく落ちるので、もう少しざっくりとしたメモにしていきたいですね…
イントロダクションはしかたないといえばしかたないですが…