【秘伝】アマゾンのおすすめ機能はこうして生まれた

コメント

注目のコメント

• 山崎 俊彦

  東京大学 大学院情報理工学系研究科電子情報学専攻　教授

  ・2019年09月20日

  わかりやすい良記事。
  
  Amazonの初期技術はアイテムベース協調フィルタリングと呼ばれるもの。Netflix Prize (動画推薦コンテスト)で賞金1億円を獲得したチームはMatrix Factorization (行列分解法)をベースにして200程度のアルゴリズムを調合したハイブリッド方式。
  
  いまの研究分野の話題はご多分に漏れずDNNをどう使うか。ただし、CNNやRNNではない別物。一緒に購入されたものの中からいかに高次元の関連性を学習させるか。
  
  また、DeNAが展開するマンガボックスでは購入履歴だけでなく、「絵の雰囲気が似ている」漫画を推薦する機能を搭載して結構売上に貢献しているというのを講演会で伺いました。
• 佐藤 元則

  NCB Lab. 代表

  ・2019年09月20日

  アマゾンは個人に紐ついたレコメンドではなく、商品の類似性やバスケット分析による併売商品をリコメンドしているのですね。今のコンピュータパワーならもっとスマートに処理できるでしょう。
  
  音声アシスタントのAlexaは商品ではなく個人に対して色々とアドバイスします。商品とは別のチームが開発しているのでしょうか。真髄はオープンにしていないような。
• 岡 ゆづは

  NewsPicks編集部 記者

  ・2019年09月20日

  先日ネットフリックスの「おすすめ」について記事を出しましたが、今回はアマゾンのレコメンデーションの礎を作ったリンデン氏にお話を聞きました。文系の私にも分かりやすいよう噛み砕いて説明してもらいました。
  
  良いレコメンデーションとは何かという問いに対して、私はユーザーの立場でしか考えてきませんでしたが、リンデン氏の話を聞き、ビジネスとして成り立たせるという視点の大切さを痛感しました。やっぱりこのレコメンデーションという分野は奥深い。今後も深堀りしていきたいです。