アイテム間協調フィルタリングとマーケットバスケット分析
回答:
@Antimonyは完璧な答えを出しました。アイテム間協調フィルタリングとマーケットバスケット分析の違いを理解するのに役立つ理論を追加したかっただけです。これら2つの方法のアプリケーションも同様です。
マーケットバスケット分析の実行に使用されるアルゴリズムのファミリーは、相関ルールと呼ばれます。マーケットバスケット分析（または相関ルール）と協調フィルタリングは、根本的に異なる質問に答えます。協調フィルタリングは、「あなたと同じような興味を持つユーザーはどのアイテムを好きですか？」という質問に答えることができます。（図1）、相関ルールは「頻繁に一緒に現れるアイテムは何ですか？」という質問に答えます。最初の質問への回答を使用して、これまでに見たことがないが、あなたと同じような興味を持つ他のユーザーのグループによって評価された製品、ビデオ、レストラン、ホテル、またはその他のコンテンツを推奨できます。興味の類似性は、明示的な指標、たとえば、あなたと他のユーザーのグループが同じ製品に同じ評価を与えたもの、または暗黙的な指標から推定できます。あなたと彼らは同じ製品を購入しました。協調フィルタリングは広くレコメンダーシステムの構築に使用されます。ただし、協調フィルタリングは、ユーザーの好みや行動の豊富な履歴がある場合に最も効果的です。それまでの間、相関ルールは、現在バスケットにある製品のセットに基づいて購入する可能性が高い製品を推奨できます（図2）。たとえば、ハンバーガーとフライドポテトを購入する場合、おそらくソーダが必要になります。または非常に有名な例では、おむつを買う人はビールも買う傾向があります。アソシエーションルールは個人設定プロファイルとは無関係であり、それらをマイニングするには、すべてのユーザーからのトランザクションのデータセットが必要です。一般に、相関ルールとマーケットバスケット分析は、人間が分析できる最も一般的なルールの限られた数をマイニングする探索ツールとして使用されます。ただし、相関ルールは、レコメンダーシステムの構築にも使用できます。
図1.協調フィルタリングの図。ソース- ウィキペディア
図2.相関ルールの簡単な図。
すばらしい質問です！私が考えることができる1つのささいな違いは、マーケットバスケット（MB）分析が各バスケットを個別に考慮することです。したがって、月に1回同じものを一緒に購入すると、毎回異なるバスケットを構成し、毎回異なるアイテムが含まれている可能性があります。ただし、協調フィルタリング（CF）では、ユーザーごとに集計されたバスケットが考慮されます。したがって、ビールとおむつを何回一緒に購入しても、ビールとおむつの1票としてカウントされます。
他の違いは、それぞれについて何を測定するかなど、より技術的なものです。MBではサポートと信頼値を重視し、CFではコサイン類似度などの類似度を重視します。これは対称的な尺度です。ビールとおむつの類似性は、おむつとビールの類似性と同じですが、サポート/自信には当てはまりません。
概念的なレベルでは、CFは、アイテム1を購入する場合など、より間接的な類似点を生み出す可能性があり、アイテム2も一緒に購入され、アイテム3と4もアイテム2に類似していることがわかります。そうすれば、アイテム1と一緒に購入されなくても、アイテム2と一緒に購入されても、それらを推奨できます。