20個ぐらい学習から引き抜いて、当たる確率を測定する。
(交差確認しよう!)

協調フィルタリング以外の手法を確立

hoge

よーわからんからみてみて

点数が加算されるらしい……

協調フィルタリングを使う
1.活動利用者の嗜好をシステムに提示
2.利用者DBから、活動利用者と類似した嗜好を持つ標本利用者を検索
3.類似した嗜好をもつ標本利用者が好む対象を、活動利用者に推薦
類似した嗜好→類似した個人データ
類似度→マハラノビス距離とか

なんとなく協調フィルタリング-複数の順序応答に基づく推薦
http://www.kamishima.net/archive/2005-p-jsai-PR.pdf
なんとなく協調フィルタリング-順序応答に基づく推薦
http://www.kamishima.net/archive/2004-tr-jsai_kbs.pdf

ここまでにはいろいろ出来ていて欲しい(願望)

そろそろしないと。。。

全員で
#6 現在のアルゴリズム

ユーザーデータの完全一致

今後の改善予定

• 類似度を求めてサンプル数を増やす?
• 単純平均ではなく、パラメータごとに重み付け平均を付ける。
• Etc.

参考

協調フィルタリングを使う
1.活動利用者の嗜好をシステムに提示
2.利用者DBから、活動利用者と類似した嗜好を持つ標本利用者を検索
3.類似した嗜好をもつ標本利用者が好む対象を、活動利用者に推薦
類似した嗜好→類似した個人データ
類似度→マハラノビス距離とか

なんとなく協調フィルタリング-複数の順序応答に基づく推薦
http://www.kamishima.net/archive/2005-p-jsai-PR.pdf
なんとなく協調フィルタリング-順序応答に基づく推薦
http://www.kamishima.net/archive/2004-tr-jsai_kbs.pdf

今回のケースでは、

1. 活動利用者の個人データを入力させる
2. 利用者データベースから近似のものを抽出→順位の得点化
3. 得点上位3ネタを推薦する。

類似嗜好 →類似した個人データから推測
類似度 →マハラノビス距離による