推薦システムにおける協調フィルタリングの特徴

協調フィルタリングは「ユーザーAと嗜好が似ているユーザーBが高評価した商品を推薦する」手法であり、アイテム内容の分析が不要ですが、利用履歴のない新規対象に対してはコールドスタート問題が生じます。 ア:正解です。購買履歴やレーティング行列のみから推薦パターンを学習できます。 イ:誤りです。コンテンツベースはアイテム自体の特徴量(ジャンルや著者等)を見るため、履歴がゼロの新規アイテムでも推薦可能です。 ウ:誤りです。履歴がない新規対象を推薦できないコールドスタート問題は協調フィルタリングの最大の弱点です。 エ:誤りです。行列分解(SVD等)は評価値行列をユーザー潜在ベクトルとアイテム潜在ベクトルの積に分解する手法です。

ECサイト等で用いられる推薦アルゴリズムに関する記述として、最も適切なものを1つ選択してください。

出典G検定オリジナル模擬試験
ア
協調フィルタリング(Collaborative Filtering)は、多数のユーザーの行動履歴や評価履歴の類似性に基づいて推薦を行うため、アイテム自体の属性(テキストやカテゴリ)がなくても機能する。
イ
コンテンツベースフィルタリングは、新規登録されたばかりで利用履歴が一切ないアイテムであっても推薦することが原理的に不可能である。
ウ
協調フィルタリングは、新規ユーザーや新規アイテムに対して履歴データが存在しない状態(コールドスタート問題)を完全に回避できる。
エ
行列分解(Matrix Factorization)は、ユーザーとアイテムのテキスト情報を形態素解析してTF-IDFスコアを算出する手法である。