21. レコメンデーションシステム¶
Shuai Zhang (Amazon), Aston Zhang (Amazon), and Yi Tay (Google)
レコメンデーションシステムは産業界で広く利用されており、私たちの日常生活の至るところに存在している。これらのシステムは、オンラインショッピングサイト（例：amazon.com）、音楽・映画配信サービスサイト（例：Netflix や Spotify）、モバイルアプリストア（例：iOS app store や google play）、オンライン広告など、さまざまな分野で活用されている。
レコメンデーションシステムの主な目的は、ユーザーが閲覧すべき映画、読むべき文章、購入すべき製品といった関連性の高いアイテムを発見できるようにし、満足度の高いユーザー体験を生み出すことである。さらに、レコメンデーションシステムは、オンライン小売業者が増分収益を生み出すために導入する、最も強力な機械学習システムの一つでもある。レコメンデーションシステムは、能動的な検索にかかる手間を減らし、ユーザーが自分では検索しなかったような提案を示すことで、検索エンジンの代替にもなる。多くの企業は、より効果的なレコメンデーションシステムの助けによって競合他社より優位に立つことに成功してきた。このように、レコメンデーションシステムは私たちの日常生活にとって中心的な存在であるだけでなく、いくつかの産業では不可欠なものでもある。
この章では、レコメンデーションシステムの基礎と発展を扱うとともに、利用可能なさまざまなデータソースを用いてレコメンデーションシステムを構築するための一般的な基本技術とその実装についても見ていきる。具体的には、ユーザーがある候補アイテムに対して付けるであろう評価を予測する方法、アイテムの推薦リストを生成する方法、そして豊富な特徴量からクリック率を予測する方法を学ぶ。これらのタスクは実世界のアプリケーションでごく一般的である。この章を学ぶことで、古典的手法だけでなく、より高度な深層学習ベースのモデルを用いて、実世界の推薦問題を解くための実践的な経験を得ることができる。