推薦システム　マトリクス分解の多彩なすがた

本書で特徴的なのは、推薦システムの本質は何かということについて、予備知識がなくても理解できるように、例を用いながら要点を簡潔に述べようとしている点にある。なかでも、マトリクスの空欄を埋めるマトリクス分解アルゴリズムは本書において中心的な位置を占めている。
このアルゴリズムは、単に商品販売促進に使われているというだけでなく、感染症リスク予測や項目反応理論など医療や教育などの分野へ応用することも可能であり、本書ではさまざまな分野に応用される推薦システムアルゴリズムの多彩な姿も紹介している。そのうえで、一般的な推薦システムに使われる協調フィルタリングやモデルベース、コンテンツベース、知識ベース、アンサンブルなどについても説明している。

推薦システムは、決してある専門的な分野に特化して閉じた領域の中で成立するような固定化されたものではなく、数学、統計、情報分野のさまざまな要素がネットワークとして結び付いて有機的に機能しているものである。そこで、理工系大学での数理的な知識がなくても本書への理解が容易になるように、線形代数の基礎、統計的な基礎、数値計算や最適化法にかかわる基礎について重要と思われるところは本書の付録で簡潔に説明した。
推薦システムの仕組みがわかれば推薦システムでできることもわかり、さらにいろいろな場面への適用も想像できる。本書はそのような本である。

目次

第1章　推薦システムとは何か

1.1 推薦システムとは
1.2 推薦システムとマトリクス
　1.2.1 空欄の位置が規則的なとき
　1.2.2 空欄の位置が不規則なとき
　1.2.3 推薦システムアルゴリズムと統計的方法
1.3 本書の内容

第2章　マトリクス分解法の多彩な機能

2.1 非線形回帰
2.2 分類
2.3 項目反応理論

第3章　最近傍ベース協調フィルタリング

3.1 類似度関数
3.2 2つの協調フィルタリング
　3.2.1 ユーザーベースの最近傍モデル
　3.2.2 アイテムベースの最近傍モデル
　3.2.3 具体例
3.3 ユーザーベースとアイテムベースの比較

第4章　モデルベース協調フィルタリング

4.1 モデルベースとは
4.2 決定木
4.3 ルールベース
4.4 潜在因子モデル
4.5 マトリクス分解法
　4.5.1 制約なしマトリクス分解法
　4.5.2 特異値分解とマトリクス分解
　4.5.3 非負マトリクス分解法
　4.5.4 例によるマトリクス分解法の説明

第5章　コンテンツベースと知識ベース

5.1 コンテンツベースシステム
　5.1.1 データの収集過程
　5.1.2 モデル学習過程
　5.1.3 コンテンツベースと協調フィルタリング
5.2 知識ベースシステム
　5.2.1 制約ベースシステム
　5.2.2 ケースベースシステム

第6章　ハイブリッドとアンサンブル

6.1 重み付き線形結合ハイブリッド
6.2 スイッチングハイブリッドとカスケードハイブリッド
6.3 特徴増強ハイブリッドと混合ハイブリッド

第7章　その他の方法

7.1 推薦システムへの攻撃
7.2 多腕バンディットアルゴリズム
7.3 多基準システム

第8章　推薦システムの応用例

8.1 Netflix Prize コンテスト
　8.1.1 データ
　8.1.　ほか

本の帯に関して

帯つきでの出荷はお約束しておりません。
商品ページに、帯のみに付与される特典物等の表記がある場合でも、確実に帯つきでの出荷はお約束しておりません。
また、帯は商品の一部ではなく「広告扱い」のため、帯の有無・破損による交換や返品は承っておりません。

版・表紙について

版・表紙（カバー）のご指定は承っておりません。ご注文いただくタイミングによっては、お届けする商品の版や表紙が商品ページ上のものとは異なる場合がございます。
また、初版にのみにお付けしている特典（初回特典、初回仕様特典）がある商品は、商品ページに特典の表記がされている場合でも、無くなり次第終了となります。