① 人工知能の基礎と動向 ／ 5. 機械学習
レコメンデーションエンジンとは
レコメンデーションエンジンとは、利用者の行動履歴や評価データから好みを予測し、商品やコンテンツを推薦する仕組みです。代表的な手法として協調フィルタリングがG検定対策として重要です。
この用語はG検定シラバスの「5. 機械学習」に含まれます。 章全体の用語は用語解説①（全54語）にまとまっています。
一言でいうと
利用者の行動履歴から好みを推測して、おすすめを提示する仕組みです。
2つの代表的な方式
- 協調フィルタリング：「似た好みの人が買ったもの」を推薦する。利用者どうし、あるいは商品どうしの類似度にもとづく
- コンテンツベースフィルタリング：「その人が好んだ商品と似た特徴を持つもの」を推薦する。商品の属性にもとづく
この2つの切り口の違いが選択肢になりやすいポイントです。
コールドスタート問題
協調フィルタリングは他の利用者の履歴を使うため、新規の利用者や新商品には推薦の根拠がありません。これをコールドスタート問題と呼びます。この場合はコンテンツベースの方式が有効になります。
どこで使われているか
ECサイトの「この商品を買った人はこちらも」、動画配信サービスのおすすめ一覧、ニュースアプリの記事選定などが該当します。
一方で、好みに合うものばかりが提示されることで視野が狭まるフィルターバブルという問題も指摘されており、AI倫理の文脈でも取り上げられます。
混同しやすい用語との違い
| 用語 | ポイント |
|---|---|
| 協調フィルタリング | 似た好みの利用者・似た商品の履歴にもとづいて推薦する |
| コンテンツベースフィルタリング | 商品自体の属性の類似度にもとづいて推薦する |
🎯 G検定での押さえどころ
- 協調フィルタリングが代表的手法
- 協調＝他の利用者の履歴／コンテンツベース＝商品の属性
- 協調フィルタリングはコールドスタート問題を抱える
⚠️ よくある誤りの選択肢
- 「協調フィルタリングは商品自体の属性にもとづいて推薦する」→ 誤り。それはコンテンツベースです
- 「協調フィルタリングは新規利用者にも十分機能する」→ 誤り。コールドスタート問題を抱えます
関連する用語
ご利用にあたって 本ページの内容は、JDLAが公開しているG検定シラバス2024や公式テキストなど、一般に公開されている情報をもとに独自に整理・解説したものです。実際の試験の出題内容を示すものではなく、また合格を保証するものでもありません。制度・法令・試験要項は変更されることがあるため、最新の情報は必ずJDLA公式サイトでご確認ください。