定義
コンテンツベースフィルタリング（Content-based Filtering）は、ユーザーが過去に好んだアイテムの特徴を分析し、それに似た特徴を持つ新しいアイテムを探して提案する推薦技術です。他の人たちの反応を見る必要がなく、もっぱら「アイテム自体の性質」と「自分の好み」だけを丁寧に照らし合わせます。
アイテムの「成分表」を読み解く推薦のしくみ
映画の推薦サービスを例に考えてみましょう。私たちがSFアクション映画に「いいね」を押すと、システムはその作品を複数の要素（属性）に細かく分解して分析します。ジャンルが「SF」なのか、監督は誰か、「宇宙船」や「人工知能」といったキーワードが含まれているかを丁寧にチェックしていくのです。
こうして分析された情報は、アイテムごとに貼られた一種の詳細な成分表になります。コンピューターは文字やジャンルの情報を数値に変換し、ユーザーが好む特徴の組み合わせと最もよく似た別の映画を探し出します。このように、ユーザーが消費した対象の属性情報そのものに注目するのが、コンテンツベースフィルタリングの核心です。
したがって音楽ならテンポ、楽器の編成、アーティストの声質を分析し、ニュース記事なら本文に頻出するキーワードをもとに似た記事を選び出します。
他の人の反応がなくても大丈夫
推薦システムにおいて頭を悩ませる難題の一つが、公開されたばかりの映画や登録されたばかりの新商品です。このように、新しく追加されたアイテムや新規登録ユーザーのように、推薦に使えるデータがまだ蓄積されていない状態を開発者は「コールドスタート（初期起動問題）」と呼びます。そのうち、評価やレビューがまだない新作・新商品の問題を「アイテムコールドスタート」といいます。
コンテンツベースフィルタリングは、他の人たちによる評価データがない新しいアイテムでも推薦できます。コンテンツ自体の説明文やタグ、カテゴリー情報さえあれば十分だからです。公開されたばかりの新作であっても、自分が好きな監督やキーワードが含まれていれば、誰よりも早く自分にお薦めしてもらえます。ただし、利用履歴がまったくない新規ユーザーに対しては、好みのデータが存在しないため、この方式でも推薦は困難です。
また、「なぜこの映画をお薦めしたのか？」という疑問に明確に答えられるのも強みです。ユーザーが以前気に入った特定の監督やジャンルが一致したからだという、はっきりとした根拠を示せるのです。
もう少し正確に言うと：慣れ親しんだ枠に閉じこもる限界
もう少し正確に言うと、この方式はピンポイントで好みを突ける反面、「思いがけない発見」をもたらすのは苦手です。いつも自分が触れているものと似た属性のアイテムばかりが推薦され続けるため、好みの世界が狭い部屋に閉じ込められてしまう過剰な専門化が起こりやすくなります。
普段恋愛映画ばかり観ているユーザーなら、名作ホラー映画や優れたドキュメンタリーをお薦めされる機会は一生巡ってこないかもしれません。また、写真や音楽といったコンテンツは、雰囲気や情感といった人間が感じる質をテキストほど完全に数値化するのが難しく、特徴量をいかにうまく抽出できるかによって推薦の質が大きく左右されます。
そのため、現代のNetflixやYouTubeなどの最新サービスでは、コンテンツベースフィルタリング単体で動いているわけではありません。自分と好みが似ている他のユーザーの視聴履歴を参考にする「協調フィルタリング」と賢く組み合わせた、ハイブリッド推薦システムを幅広く活用しています。
よくある誤解
コンテンツベースフィルタリングは、自分と好みが似ている他の人の行動を観察して推薦を行う。
それは「協調フィルタリング」の手法です。コンテンツベースフィルタリングは他の人のデータを一切見ず、あくまでアイテム自体の特徴と自分の過去の選択だけを比較します。
日常で出会う場面
あるバンドの楽曲を頻繁に聴いていたら、そのバンドの他の収録曲やテンポが近いロック音楽が再生リストに提案される場合です。
ショッピングサイトでリネンシャツを閲覧したところ、画面下部に他ブランドのリネン素材の服が関連商品としてお薦めされる場合です。
つまり ひとことで
アイテムの特徴成分を分析し、自分が過去に好んだものと最もよく似たアイテムを選び出してくれる技術です。