コールドスタート問題

コールドスタート問題は、レコメンデーションシステムなどで、新規ユーザーや新しいアイテムに対して適切な推奨ができない現象を指します。機械学習モデルは過去の行動履歴や評価データを学習して予測を行いますが、情報が一切ない状態では推論が困難になります。

特にユーザーや商品がシステムに追加された直後は、学習するデータが存在しないため、精度が著しく低下します。この問題を放置すると、新規のアイテムがいつまでもユーザーに表示されないといった不利益が生じます。

対策として、ユーザーの属性情報を用いたコンテンツベースの推奨や、あらかじめ興味を尋ねるアンケートなどが取られます。G検定では、レコメンデーションシステムの限界と、それを乗り越えるための工夫として問われます。