近年オンラインショッピングが日常生活において重要になりつつある． これらのサイトはより多くの顧客に対応するために、推薦システムを導入している。 これらのシステムの多くは、協調フィルタリングの手法を導入している。 しかし、協調フィルタリングの手法を用いたアプローチでは、推薦されるカテゴリが画一的になり、ユーザーが推薦に飽きてしまうという問題がある。 この研究では、ブラウズノードIDに基づいて、全ての2つの商品間の非類似度を定義し、K - medoids法によるクラスタリングを行うことで、新しくジャンルを定義する。 さらに、ジャンルをノードとした重みつき完全グラフを構成し、異なるジャンル間の嗜好の傾向を表現する。 重み付き完全グラフの情報に基づいて、提案システムは従来手法よりも発見性に優れた推薦を作成し、ユーザに提示する。 今後、主観評価実験によって提案手法の有効性を確認する予定である。
