Recommendation 推薦・推奨 メディアコミュニケーションⅢ 第９回 情報爆発時代の情報検索 欲しい情報をどうやって見つけるのか アルゴリズムによるものか否か 今日の参考サイト・文献 文献8 文献15（サイト） インターネット上の情報（１） 欲しい情報が，どこにあるのかどうやって知るの か？ 人から教えてもらう 検索サイト 本当に欲しい情報か？ インターネット上の情報（２） 検索エンジンの分類 ロボット型検索エンジン Google ディレクトリ型検索エンジン Yahoo!（両方の組合せ） 検索エンジンの限界（１） 欲しい情報が見つからない あまりにも多すぎる？ 新しい情報に追いつかない 質問：キーワードをいくつ入力しているか？ 適切なキーワードの選択 検索エンジンの限界（２） 同じキーワードを入力すれば，同じ結果 人により，必要な情報は異なる 利用者側：キーワード選択のリテラシ 検索エンジン側：personalized search どうやって個人別に結果を選ぶか Recommendation Recommendation（１） 推薦，推奨，“おすすめ” Amazonのレコメンデーション 誰かにすすめてもらう Recommendation（２） 種類 文献15の“レコメンデーションの虚実（2）～レコ メンデーションの分類” Xという商品を買った Xという情報を検索した 協調フィルタリング（１） 利用者Aは，Ｘに興味がある 利用者Bは，XとYに興味がある Aは，Bと同じXに興味があるから，他の物にも同 じように興味がある（だろう） AにYを教える 協調フィルタリング（２） 実際には，いくつかの組合せで行う 大量のデータが必要 コンテンツの中身（属性）のことは考慮されない ひとつのことにウマがあったら，他すべてともウ マがあうのか？ 他人に頼まれて商品を購入しただけであって，自 分は興味がない 協調フィルタリング（３） 精度をあげるためには，顧客の情報が必要 プライバシーの問題 コンテンツベースフィルタリング（１） コンテンツの属性を用いる 利用者が自分の興味の属性を登録 作家の名前 “プログラミング” 登録した属性と同じ属性をもつコンテンツ ある作家の新刊 コンテンツベースフィルタリング（２） データが少なくても可能 属性を正しく認識できるか？ 利用者が登録という作業を行う？！ 購入した商品から，属性を抜き出すことになる が… 確率による方法 文献15の“レコメンデーションの虚実（4）～ベイジ アンは「Amazonを超えた」のか？” クチコミ 友達の推薦（１） 友達とは趣味が合う 友達の“おすすめ”を購入する 友達の推薦（２） すべての面で趣味が合うのか？ 同じスポーツを楽しんでいるから，同じ歌手が好 き？！ 押し付けになると，友達関係もおかしくなる 友達の推薦（３） 逆に，同じものに興味のある人 同じ（ような）商品を購入した人 と友達になろう 友達の推薦（４） 商品紹介の（個人）ブログ 自分と合いそう そのブログを追っかける アルファブロガ－ SNS 同好の士 MySpace 音楽に特化したSNS アーティストのプロモーション アーティストとファン，ファン同士の交流 行動ターゲッティング 行動ターゲッティング（１） どこのサイトで，何を見たのか？ の履歴を用いる 複数のサイトの閲覧情報が必要 大規模ポータル 行動ターゲッティング（２） ヤフー、興味関心に連動する広告「インタレスト マッチ」を今秋提供 http://japan.cnet.com/marketing/story/0,38000 80523,20377419,00.htm インタレストマッチ（Yahoo Japan） http://listing.yahoo.co.jp/service/int/index.html? o=JP0035 行動ターゲッティング（３） プライバシーの問題 インターネットでの行動だけでなく，物理的な行 動まで参考にする そのようなことができるのか？ 行動ターゲッティング（４） 今秋発売、NTTドコモの「907iシリーズ」の詳細が 明らかに（7/3/08） http://gigazine.net/index.php?/news/comments /20080703_docomo_907i/ 行動ターゲッティング（５） 行動ターゲティング広告はどこまで許されるのか http://www.st.ryukoku.ac.jp/~kjm/security/mem o/2008/10.html#20081020_trace http://takagihiromitsu.jp/misc/it.nikkei.co.jp/20081016/
© Copyright 2024 ExpyDoc
