レコメンドエンジン機能 #

この機能では、「この商品を購入した人は、この商品も購入しています」や「この記事にイイネしている人は、この記事にもイイネしています」などのアイテムベースのレコメンデーションを実現します。 SQL LIKEなコマンドで、これらを自動的に計算する使い方を紹介します。

前提 #

説明のため、「この記事にいいねしている人は、この記事にもいいねしています」というアイテムベースのレコメンデーションを実現するための例を紹介したいと思います。

事前に、下記のような「いいね管理テーブル(likes)」という「どのユーザーがどの記事にいいねしたか？」を管理するテーブルが作成されている前提で進めます。

CREATE TABLE likes (uid INT, aid INT)

アイテムレコメンデーションを実現するために、HottyDBではまずレコメンドインデックスを作成する必要があります。レコメンドインデックスの作成コマンドは下記の通りです。

CREATE RECOMMEND INDEX `インデックス名`
ON `テーブル名`
(`ユーザーIDのフィールド名`, `アイテムIDのフィールド名`)

前提で作成したlikesテーブルにレコメンドインデックスを作成する場合、下記のようになります。

CREATE RECOMMEND INDEX r1 on likes (uid, aid)

つまり、レコメンドインデックスの作成は、レコメンデーションの元となるデータテーブルの、どのフィールドがユーザーIDでどのフィールドがアイテムIDかをHottyDBに教えてあげることを指します。

これにより、HottyDBは「このアイテムを選択したユーザーは、このアイテムも選択しています」というレコメンデーションの関係性を学習することができます。

レコメンドインデックスを作成した時点では、まだレコメンデーションの関係性は学習されません。レコメンドインデックスを作成したあとに発生したlikesテーブルへのINSERT処理で逐次レコメンデーションが更新されていきます。

学習されたレコメンドインデックスから、レコメンデーションを取得しSELECT文で利用する方法を解説します。

SELECT
    _item_id,
    _similarity
FROM RECOMMEND(`インデックス名`, `シードアイテムID`)

記事ID=5にいいねした人がいいねしている記事IDを関連度順で出力する場合

SELECT
    _item_id,
    _similarity
FROM RECOMMEND(r1, 5)
ORDER BY _similarity DESC

RECOMMENDメソッドの出力は_similarityでソートされていません

以上のコマンドを実際に使ってみたJavaのサンプルコードはこちらです。