情報技術の発展に伴い，EC サイト等では膨大な量の購買履歴データが蓄積されるようになった．このような背景から，これらの大規模データを活用した推薦システムは，アイテムを検索するための重要なツールとなっている．推薦システムでは，推薦したアイテムがどれだけユーザに購買されるかを示す精度が重要な指標である．精度以外の尺度として，近年，ユーザの満足度の観点から，多様なアイテムを推薦することの有効性が示されている．従来の研究では， LDAに基づいて抽出されたトピックが多様化されるような推薦手法を提案している．この手法は，推薦リスト全体でトピックを多様化している一方で，個々のアイテムの非類似性を保証していない．そこで本研究では，個々のアイテムの非類似性を考慮し，より多様な推薦リストを構築するためのアルゴリズムを提案する．さらに，ベンチマークデータに提案手法を適用し，精度と多様性の観点から従来手法との比較を行い，その有効性を示す．
