コールドスタート問題とは

コールドスタート問題は、推薦システムが、手がかりとなる履歴のほとんどない利用者や商品をうまく扱えない問題です。エンジンが冷えた状態からの始動になぞらえた名前で、データがたまっていない状態から動き出す難しさを表します。

起きる3つの場面

• 新しい利用者：会員登録をしたばかりで、閲覧や購買の記録がありません。
• 新しい商品：追加されたばかりで、まだ誰にも評価や購入をされていません。
• 新しいサービス：始めたばかりで、全体の履歴が少ない状態です。

最も強く影響を受けるのは、利用者どうしや商品どうしの履歴の重なりから推薦する協調フィルタリングです。記録のない相手とは比べようがないからです。新商品の場合は、推薦に出てこないので記録がたまらず、記録がないのでさらに推薦されない、という悪循環も起きます。

主な対策

• 新しい商品：ジャンルや説明文などの属性を使うコンテンツベースフィルタリングを組み合わせます。2002年には、商品の内容と評価のデータを1つの確率モデルで扱い、まだ誰も評価していない商品を推薦する研究が発表されています。
• 新しい利用者：登録時に好きなジャンルを選んでもらう、年代や地域などの属性を使う、最初は全体の人気ランキングを示す、といった方法があります。
• 試しに表示する：新しい商品を一定の割合で表示し、クリックなどの反応から学びます。目先の成果と情報集めの釣り合いを取るバンディットアルゴリズムの考え方で、記事が次々に入れ替わるニュースの推薦にも応用されています。

ただし、新しい利用者には好みの手がかりがないため、コンテンツベースフィルタリングでもこの問題は避けられません。まず、どの場面のコールドスタートかを見分けてから対策を選びます。

覚え方

「履歴ゼロでは比べられない」と覚えます。新しい利用者と新しい商品で、効く対策が違う点も合わせて押さえます。