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｜仕組み

結論

協調フィルタリングは、多くの利用者の評価や購買の履歴の重なりから推薦する方式で、商品の中身の情報は使いません。コンテンツベースフィルタリングは、商品のジャンルや説明文などの属性と、本人が過去に好んだ商品の属性を照らし合わせて推薦する方式です。

比較表

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の比較表
観点	協調フィルタリング	コンテンツベースフィルタリング
英語	collaborative filtering	content-based filtering
推薦の手がかり	ほかの利用者を含む、利用者×商品の評価や購買の履歴	商品の属性と、本人の過去の好み
商品の属性情報	使わない。整える手間がかからない	必要。整える手間がかかる
履歴のない新商品	推薦しにくい（コールドスタート問題）	属性があれば推薦の候補にできる
履歴も好みの登録もない新しい利用者	推薦しにくい	推薦しにくい（好みの手がかりがない）
推薦の広がり	本人が選んだことのない種類の商品が推薦されることもある	過去に好んだものと似た商品に偏りやすい（過剰な特化）
推薦理由の示しやすさ	「好みの似た人が選んだ」という形になる	「この作者の作品を好んだから」のように属性で示しやすい
ほかの弱点	評価の表の大半が空欄になるスパース性	音楽の雰囲気のように、属性で表しにくい特徴を扱いにくい
シラバス項目	技術分野項目8 教師なし学習	技術分野項目8 教師なし学習
G検定での問われ方	属性を使わずに推薦できる点と、コールドスタート問題などの弱点。2つの方式の説明を入れ替えた選択肢を見抜く形	新商品を扱いやすい点と、似た商品に偏る点。協調フィルタリングの弱点を補う方法として選ばせる形

それぞれの説明

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は、レコメンデーション（推薦）の代表的な2つの方式です。違いは、推薦の手がかりを「ほかの利用者の行動」に求めるか、「商品そのものの特徴」に求めるかにあります。

協調フィルタリング

行に利用者、列に商品を並べた評価や購買の表を使います。本人と履歴の似た利用者を探し、その人たちが選んだ商品を勧めるのがユーザーベースです。同じ利用者に一緒に選ばれやすい商品どうしを似ているとみなすのが、アイテムベースです。商品の中身を見ないので属性を整える手間がかからず、本人が選んだことのない種類の商品が推薦されることもあります。

弱点は、履歴のない新しい利用者や新商品をうまく扱えないコールドスタート問題です。また、多くの利用者はごく一部の商品にしか記録を残さないため、表の大半が空欄になるスパース性も抱えます。

コンテンツベースフィルタリング

商品をジャンル、作者、キーワードなどの属性で表し、本人が過去に高く評価した商品の属性から好みのプロフィールを作ります。そのプロフィールに近い商品を、コサイン類似度などで探して推薦します。ほかの利用者の評価がまだない新商品でも、属性があれば候補にできます。推薦の理由を属性で説明しやすい点も長所です。

一方で、過去に好んだものと似た商品ばかりが並び、意外性のある推薦が生まれにくくなります。履歴も好みの登録もない新しい利用者には、この方式でも好みに合わせた推薦ができません。

実際のサービスでは

両方を組み合わせたハイブリッド型がよく使われます。たとえば、新商品は属性を使って推薦の候補に入れ、履歴がたまってからは協調フィルタリングで推薦の幅を広げる、といった使い分けです。

見分けるコツ

「ほかの利用者の履歴」を手がかりにするなら協調フィルタリング、「商品の中身（属性）」を手がかりにするならコンテンツベースフィルタリングです。
新商品は協調フィルタリングが苦手で、属性を使うコンテンツベースフィルタリングで補えます。ただし、履歴も好みの登録もない新しい利用者は、どちらの方式でも扱いにくい点に注意します。
アイテムベースの協調フィルタリングも「似た商品」を勧めますが、似ているかどうかは属性ではなく、同じ利用者に一緒に選ばれた履歴で測ります。何で類似度を測るかを確かめます。

◯×チェック

ニュースアプリで、記事の本文は解析せず、どの利用者がどの記事を読んだかの記録を比べて、読んだ利用者の重なりが大きい記事どうしを似た記事として勧める方法は、協調フィルタリングにあたる。

答えを見る

答え ◯ 正しい

記事の中身ではなく、ほかの利用者の閲覧履歴の重なりを手がかりにしているからです。アイテムベースの協調フィルタリングの例です。本文の単語から記事どうしの近さを測るなら、コンテンツベースフィルタリングになります。
書店のサイトで、会員が高く評価した本の著者やジャンルから好みのプロフィールを作り、それに近い本を勧める仕組みは、協調フィルタリングにあたる。

答えを見る

答え × 誤り

本の属性（著者やジャンル）と本人の好みを照らし合わせているので、コンテンツベースフィルタリングです。ほかの会員の履歴は使っていません。
コンテンツベースフィルタリングはほかの利用者の履歴を使わないので、同じ商品を扱うサービスであれば、どの利用者にも同じ商品が推薦される。

答えを見る

答え × 誤り

商品の属性と照らし合わせる好みのプロフィールは、本人の過去の評価から利用者ごとに作ります。そのため、扱う商品が同じでも、推薦される商品は利用者ごとに変わります。