推薦システム
public.icon
https://gyazo.com/a847f4281fc4683eef11bfe9e65239f5
今読んでいる推薦システムの本が面白い。一番最初の推薦システムは神のお告げであるとか、易経の六十四卦は最初の１６進数の推薦システムであるとか、占いの歴史を解説してから、協調フィルタリングやSpotifyとかTiktokなどの最近の推薦システムについて解説してる。 そもそものRecommendation Enginesの起源は神様のお告げ。占い。
Deity Driven(神) to Data Driven(データ)
パワーワードですねえggkkiwat.icon
占いのところで面白かったのが、ユーザー自身の好奇心や自己理解を刺激するポイントが重要と言っていた。しかしここは今のRecommendation Enginesではあまり語られていないのではないか。自分の知らなかった選択肢を知ることで、自分理想している自分、っていうのを想像しやすくなり、よりいい自分になる。サジェストに加えての自己理解が重要。 インタラクションのデータを使うのが一番いいのではないか、というトレンド。しかし最初の方はそのデータがないので、アイテムのタグの方でリコメンドする。
全体の推薦のユーザー体験(RX=Recommendation Experience)をデザインすることが重要
透明でミスリードしない
オプトアウトが容易である
ナッジされた人々の福祉を向上するものである
CEOであるヘイスティングス自身(…)大学では数学を大学院ではコンピュータサイエンスを学んでおり
(i) 協調フィルタリング：嗜好が類似するユーザにより好まれる楽曲を推薦する
(ii) 内容に基づく推薦方式：楽曲の特徴を用い，ユーザの聴取履歴に含まれる楽曲と特徴が類似する楽曲を推薦する
(iii)ハイブリッド型推薦方式
ユーザーのレコメンドに対するreceptivity（受容度）をどのようにしたら計測できるか、以下の二つでA/Bテスト
normal: 通常の推薦アルゴリズム（Spotifyでは文脈付きバンディット） random: 事前に用意したプレイリスト群からランダムに推薦するアルゴリズム
https://gyazo.com/a21253454f5392ae1f2a4cc3cb9242f5
自然言語処理：Spotifyでは楽曲のメタデータだけでなく、楽曲のアーティストについて言及しているブログ記事やウェブニュースなど、インターネット上に散見されるテキスト情報を収集・分析しています。この時ネット上で人々が話題としている、加えてその際一緒に言及されている楽曲・アーティスト、更にはそれらと関連するフレーズまでAIでチェックしているとされています。 https://gyazo.com/68452095e1686f39e5d1ebcb25315754
(i) 協調フィルタリング
(ii) 内容に基づく推薦方式
(iii)ハイブリッド型推薦方式
Knowledge-based system：Knowledge-based systems are systems where suggestions are based on an influence about a user’s needs and based on a degree of domain expertise and knowledge.
レコメンドエンジンからくる割合
Tiktok：90%-95%
YouTube:70%
Netflix:80%
これよくまとまってると思うggkkiwat.icon
検索と推薦システムの違いとして、クエリが明示的か暗黙的か無いのか、データが構造化されているのかされていないのかという軸で分けられていたのが印象的でした。 https://gyazo.com/9e1c603a0e2080f4fdba2637b6bc8b67
wsj.com/video/series/inside-tiktoks-highly-secretive-algorithm/investigation-how-tiktok-algorithm-figures-out-your-deepest-desires/6C0C2040-FF25-4827-8528-2BD6612E3796
気になるtkgshn.icon*2