記事: レコメンドシステムの落とし穴

SpotifyやApple Music、YoutubeやTwitter、またはAmazonなど、アルゴリズムを使って私達の「好む」コンテンツをレコメンドするサービスを私達は毎日のように使っていますが、そうしたレコメンドされたコンテンツがいまいち自分のほんとうの「好み」を反映していないと思ったことはありませんか?

実は、たとえデータが増えても、アルゴリズムの性能や仕組みがよくなっても、ユーザーの「好み」を正確に把握するのは難しいため、性能の良い「レコメンド・システム」を作るのは難しかったりします。

そこで、ユーザーの「好み」を理解しようとする際によく見落とされがちな、「好み」と「選択」、そして「幸福」の違いを整理した上で、最終的にはより正確に「好み」を理解するために何ができるのか、ということをまとめた素晴らしい記事がありましたので、3回に分けて紹介いたします。

第1回目は、「好み」とは何か、そして「好み」、「選択」、「幸福」の違いをレコメンド・システムという観点から紹介します。

前回のPart 1では、「好み」とは何か、選択と幸福と何が違うのかというのを紹介しました。

Part 2では、このユーザーの「好み」そのものも必ずしもいつも同じであるとは限らず、実は「好み」がその場の状況によって動的に作られることがあり、それは簡単に外部によって操作されることもある、という話を紹介しています。

ぜひご覧ください!