数学が苦手な人は社会の仕組みがわかってない Netflixがつい見たくなる作品を薦めてくる訳

映画が2作あったとして、片方を見た後でもう1作を見る人が多ければ、その2作は似ているとみなせる。例えば「アイアンマン」のあとで「アイアンマン2」を見た人がとても多いなら、この2本は似ているに違いないので、「アイアンマン2」は「アイアンマン」を見た人にとって「よいオススメ」と言える。Netflixを利用する人が多いほど、レコメンド機能の精度も上がる。コンピューターで、特定のユーザーと視聴履歴の似ている人がすでに見た作品を選び出せるからだ。

映画1本、ドラマ1作品をそれぞれ1個の円で示すとする。そのような図を使って計算を進めるには、円と円を結ぶ線ごとに数値が明らかでなければならない。ここでの数値は、クリックした作品を両方とも見た人の数だ。3作の映画だとすると、次の図のようになる。

（外部配信先では図や表を全部閲覧できない場合があります。その際は東洋経済オンライン内でお読みください）

この図から、ユーザーの好みと各作品のマッチ度がどうなるかを考えてみよう。あるユーザーがNetflixで「アイアンマン」だけを見ていたとする。そのときコンピューターの仕事は、このユーザーが「アイアンマン2」と「ブループラネット」をそれぞれどの程度気に入るかを予想することだ。図の数字からすると、「アイアンマン2」のマッチ度は相当高くなる。好みが同じユーザーの多くが見ている作品であれば、「よいオススメ」、つまり気に入る可能性が高い。

反対に「ブループラネット」のスコアは低くなる。これは、「ブループラネット」と「アイアンマン」の両方を見た人がずっと少ないためだ。「アイアンマン2」と「ブループラネット」」の両方を見た人はさらに少ない。この結果、「ブループラネット」のマッチ度は低くなる。こうして「こちらもオススメ」には「アイアンマン2」が表示される。コンピューターはさらに、この計算結果（例えば、あるユーザーが「アイアンマン2」をどのくらい気に入るか）を別の作品に関するマッチ度の正確性を高めるために活用する。