推薦システム　なぜ推薦システムが薦める商品は魅力的なのか、あるいはなぜ魅力的ではないのか(KS情報科学専門書) [単行本]

推薦システム　なぜ推薦システムが薦める商品は魅力的なのか、あるいはなぜ魅力的ではないのか(KS情報科学専門書) の 商品概要

• 目次

  第1章 はじめに
  
  第2章 推薦システムの概要
  2.1 推薦システムの意義
  2.2 検索システムと推薦システム
  2.3 推薦システムの問題設定
  2.4 内容フィルタリングと協調フィルタリング
  2.5 さまざまな情報の統合
  2.6 推薦システムの評価
  2.7 探索と活用
  
  第3章 内容フィルタリング
  3.1 内容フィルタリングの問題設定
  3.2 内容フィルタリングを用いたアイテム間推薦
  3.3 内容フィルタリングを用いたユーザー向け推薦
  3.4 類似度をもとにした内容フィルタリング
  3.5 推薦の解釈性
  3.6 機械学習モデルを用いた内容フィルタリング
  
  第4章 協調フィルタリング
  4.1 協調フィルタリングの問題設定
  4.2 協調フィルタリングを用いたアイテム間推薦
  4.3 近傍ベースの手法によるユーザーへの推薦
  4.4 モデルベースの協調フィルタリング
  4.5 内容フィルタリングと協調フィルタリングの比較
  
  第5章 多様な情報を使った推薦
  5.1 因子分解マシン
  5.2 ニューラルネットワークを用いた推薦
  5.3 探索を促すための特徴量設計
  5.4 マッチングとリランキングの二段階構成
  5.5 グラフを用いた推薦
  5.6 深層学習を用いた手法は本当に優れているのか
  5.7 推薦システムと検索システムの統合
  5.8 大規模言語モデルを用いた推薦
  
  第6章 評価手法
  6.1 オフライン評価
  6.2 オンライン評価
  6.3 A/Bテストと交互編成の比較
  
  第7章 オンライン学習
  7.1 オフライン学習とオンライン学習
  7.2 専門家問題と多腕バンディット問題
  7.3 実現可能な場合の専門家問題のアルゴリズム
  7.4 一般の場合の専門家問題のアルゴリズム（ヘッジアルゴリズム）
  7.5 敵対的バンディット問題のアルゴリズム（Exp3アルゴリズム）
  7.6 確率的バンディット問題のアルゴリズム（UCBアルゴリズム）
  7.7 トンプソンサンプリング
  7.8 文脈付きバンディット問題のアルゴリズム（LinUCBアルゴリズム）
  7.9 報酬が非同期で到着する場合
  7.10 複数の選択肢を同時に選ぶ場合
  7.11 報酬の設計
  7.12 バンディットアルゴリズムのオフライン評価
  7.13 バンディットアルゴリズムを用いた推薦システムの評価
  
  第8章 発展的な話題
  8.1 クリックベイト
  8.2 セレンディピティ
  8.3 フィルターバブル
  8.4 多様性
  8.5 データのプライバシー
  8.6 公平性
  8.7 マイナーなクリエイターへの配慮
  8.8 フィードバックループ
  8.9 長期目標
  8.10 サービスとユーザーの目標の不一致
  8.11 ユーザーサイドの推薦システム
  
  第9章 おわりに

• 出版社からのコメント

  推薦システムの基本的な仕組みから、ＬＬＭを活用した推薦システム、さらには運用や社会的な側面に関わる話題までを幅広く解説！

• 内容紹介

  
  ★★LLMを活用した推薦システムなどの最新話題までを幅広く解説！★★
  ★★『検索システム』に続く第二弾！★★
  
  本書は、推薦システムの基本的な仕組みから、内容フィルタリング、協調フィルタリング、評価手法、さらにはＬＬＭを活用した推薦システム、社会的な側面に関わる話題までを幅広く解説！
  
  本書の1つの特徴は、推薦システムを成立させている諸技術についての解説、すなわち「なぜ推薦システムが薦める商品は魅力的なのか」という問いに答えるだけでなく、それを実現することの難しさや現在でも解決していない問題、すなわち「なぜ推薦システムが薦める商品は魅力的ではないのか」という問いについても解説している点です。
  
  この両面を理解することで、現代の推薦システムについてのより解像度の高い理解が得られるでしょう。これから推薦システムの開発や導入を検討されているエンジニアや研究者の方々はもちろん、日常的に利用する推薦システムの裏側でどのような技術や工夫が凝らされているのかを知りたい、という知的好奇心をお持ちの一般の読者にとっても、有益な知識を提供できる一冊となることを目指しています。
  
  【Pythonコード付き】
  
  【主な内容】
  第1章 はじめに
  第2章 推薦システムの概要
  第3章 内容フィルタリング
  第4章 協調フィルタリング
  第5章 多様な情報を使った推薦
  第6章 評価手法
  第7章 オンライン学習
  第8章 発展的な話題
  第9章 おわりに

• 著者について

  佐藤 竜馬 (サトウ リョウマ)
  佐藤　竜馬（さとう・りょうま）
  1996年生まれ。2024年京都大学大学院情報学研究科博士課程修了。博士(情報学)。現在、国立情報学研究所助教。
  専門分野は最適輸送、グラフニューラルネットワーク、および情報検索・推薦システム。
  NeurIPSやICMLなどの国際会議に主著論文が採択。競技プログラミングでは国際情報オリンピック日本代表、ACM-ICPC世界大会出場、AtCoderレッドコーダーなどの戦績をもつ。PDF翻訳サービスReadableの開発など研究の効率化についても従事している。
  著書に、『検索システム』講談社、『最適輸送の理論とアルゴリズム』『グラフニューラルネットワーク』(ともに機械学習プロフェッショナルシリーズ、講談社)や『深層ニューラルネットワークの高速化』技術評論社などがある。

推薦システム　なぜ推薦システムが薦める商品は魅力的なのか、あるいはなぜ魅力的ではないのか(KS情報科学専門書) の商品スペック