そのリコメンド、本当に効果ありますか？accuracyではなくupliftで学習することでリコメンドは進化する。

3つの要点

✔️accuracy-basedリコメンデーションからUplift-basedリコメンデーションへ
✔️本当にユーザーの購入を促せる商品に絞ったリコメンド手法
✔️従来手法よりもより多様な商品をリコメンドできるようになった

概要

リコメンデーションシステムとは、ユーザーが好みそうな(購入しそうな)商品をオススメし、ユーザーの購入を促進させるシステムのことです。具体的なものとして、AmazonやNetflixで実装されています。

 

図 Amazonでのリコメンド(おすすめ)欄

 

 

図 Netflixでのリコメンド(おすすめ)欄

 

 

これらの他にも多くのサービスにおいてリコメンドシステムは実装されていますが、その多くは、過去の購入データを学習し、他の似たようなユーザーに対して商品を紹介します。
その際、リコメンドシステムの精度評価はaccuracyが使われる場合が多いです。

 

しかし、リコメンドシステムの精度評価にaccuracyを使うことは正しいのでしょうか？
Charu C Aggarwaは『リコメンデーションシステム』で、「accuracy(精度)だけでなく、diversity(多様性)、serendipity(意外性)、新規性(Novelty)などの指標からも評価するべき」と述べています。好みをズバリ当てるリコメンデーションシステムも面白いですが、好みを開拓してくれるリコメンデーションシステムも面白いですよね。

このように、リコメンドシステムの精度評価に関する議論は非常に多く、多角的に議論されています。

 

今回紹介する論文では、「その商品は本当におすすめするべきか？」という観点から研究を行い、評価手法と最適化手法が提案されています。

• 
• 
• 

この記事に関するカテゴリー

• 機械学習
• 深層学習
• サービス