世界最高峰の人工知能学会「AAAI」では何が語られているのか（前編） - (page 3)

高柳慎一

2017-03-13 10:18

　”類似度”の計算方法について具体的に説明しましょう。

　実はこれまで”商品全体をまたいだ”類似度ばかりが重視され、意外と化粧品・家電などの商品群ごとの類似度はあまり考慮されていませんでした。

　またそれを考慮しようとすると計算量などの面で問題があったので、これを克服するためのアルゴリズムを開発したというものです。なお、本手法については別途、報告予定です。

　また、別の研究では、同じ協調フィルタリングに対する拡張でも、解くべき問題の視点を変え、協調フィルタリングでは従来から問題とされている“新規ユーザーに対して商品のレコメンドができない” コールド・スタート問題に焦点を当てています。

　上述したようにユーザー同士の“類似度“を何らかの方法で計算するのが協調フィルタリングの肝なわけですが、この問題は、新規ユーザーの場合には類似度を計算するための参考情報が何もないために類似度が計算できず、このままではお手上げになることに起因します。

　提案されていた手法では、この問題を解決するために、推薦を行う場のデータ以外の“第二のデータソース”からユーザー同士の関係性を導き出すことを考えます。

　具体的にはソーシャルネットワークをデータソースとして活用することで、そこから新規ユーザーの情報もできるだけ収集しユーザー間の類似度を計算できるようにします。

　さらに（最近界隈では流行りの）スパースな行列（行列の要素にたくさん０が入っているような行列）の推定問題として定式化することで、計算のボトルネックとなっていた最適化問題も同時に解決するという方法でした。

　コールド・スタート問題の解決策は直近でも色々提案されているようなので今回の講演も含めて「こういう考え方もあるのか！」と非常に勉強になりました。

　<後編に続く＞

高柳慎一（たかやなぎしんいち）: 株式会社リクルートコミュニケーショズ; 材料科学系財団、金融系シンクタンクを経て現職。
専門分野は統計科学、リクルートが保有するビッグデータを活用するための機械学習・人工知能の開発を担当。
訳著書『金融データ解析の基礎』共立出版（2014）、『みんなのR』マイナビ（2015）など多数。