協調フィルタリング

協調フィルタリングは、「ある人の興味と同じ興味を持つ別の人は嗜好が似ている」という直感的な推論をもとにユーザー間の類似度を計算して予測している。 予測の内容（コンテンツ）については考慮されないため、実際は本人の嗜好と合わないコンテンツが勧められることもある。 また、協調フィルタリングは予測のために多くの嗜好データを必要とするため、嗜好データが十分蓄積されていない状態では精度が低い。 このため、多くの場合は行動ターゲティングやコンテンツフィルタリングなどの別の手法によって補完し、精度の高い予測を実現している。 協調フィルタリングはレコメンデーション機能を実現するための手法として幅広く利用されている。 協調フィルタリングを採用している代表的なサービスとしては、Amazonを挙げることができる。 「○○さんへのおすすめ商品」や「この商品を買った人はこんな商品も買っています」などが協調フィルタリングによるレコメンデーションに該当する。 なお、協調フィルタリングは、「予測する」という分析手法として、工数、障害発生率などプロジェクト予測にも用いられており、経験的に得られる規則性（暗黙知）をソフトウェア開発に活用するというエンピリカルソフトウェア工学を支える要素としても注目を浴びている。