Software Function Recommender System Based on Collaborative Filtering

高機能アプリケーションソフトウェアには，ユーザはその存在に気付いていないが有用な機能（未知有用機能）が多数存在する．本論文では，協調フィルタリングを用いることで，個々のユーザに対して未知有用機能の候補を厳選して提示（推薦）するシステムの提案，および，その評価を行う．提案システムでは，複数のユーザから機能実行履歴を自動収集し，それらに協調フィルタリングのアルゴリズムを適用することで，各ユーザに対して，有用度が高いと推定される順に未使用機能を推薦する．本論文で新たに提案する2つのアルゴリズム（Rank correlationアルゴリズム，Sequence-basedアルゴリズム）を含む6つのアルゴリズムを用いた場合の推定の精度を{NDPM}{Normalized Distance-based Performance Measure}により評価した結果，すべてのアルゴリズムが，ランダムに推薦順序を決定した場合より精度が高くなり，未知有用機能の候補を厳選してユーザに提示できることを確認した．以上のことから，提案システムは，高機能アプリケーションソフトウェアにおける未知有用機能の発見に役立つと期待される．; High-Functionality Applications(HFA) includes a large amount of useful yet unbeknown functions. This paper proposes a Software Function Recommender System based on Collaborative Filtering (CF) and evaluates the accuracies of the system's recommendations. The proposed system recommends useful yet unbeknown functions to each user, as follows: the proposed system automatically collects histories of software function execution from many users, then estimates the usefulness of unused functions using CF algorithms, and recommends users with the functions ranked by their estimated usefulness. We conducted experimental evaluation of six CF algorithms including 2 new algorithms (Rank correlation algorithm and Sequence-based algorithm) by using NDPM (Normalized Distance-based Performance Measure). The result of the experiments showed that the average NDPM of all the algorithms were better than that of randomly produced recommendation. This suggested the proposed system can be used for discovering useful yet unbeknown functions of HFA