抄録
近年，インターネットの普及とそれに伴う各種メディアの発達により，ユーザがアクセス可能な情報の量は膨大なものとなったが，一方で，ユーザにとって価値のある情報を選択することは困難となっている．そのため，ユーザのアイテム選択を支援する“レコメンデーション”に注目が集まり，様々な推薦システムが実用化され始めている．このような推薦システムの評価には，これまで主に“精度”が用いられてきたが，近年，ユーザ満足度の観点から，他にも様々な側面を評価する必要性が指摘され始めている．本稿で着目する“Serendipity”はその中の一つであり，推薦アイテムの目新しさ，意外性を表す．本稿では，Serendipity定量化の試みとして“Personalizability”を定義する．これは推薦アイテムの個人特化性であり，推薦アイテムが全体においてどれだけ好まれていない中でその個人に特化して好まれるかを表す指標である．本稿では，推薦におけるPersonalizabilityの向上がSerendipityの向上に結びつくとの仮定のもと，Personalizabilityを考慮した推薦手法を提案する．また，提案手法をベンチマークデータに適用し，推薦における精度とPersonalizabilityのバランスが調節可能であること，従来手法と比べ，Personalizabilityにおいて優れていることを示す．
