多様性と意外性を考慮したニュースレコメンドエンジン

【東京大学大学院工学研究科】 福島 良典(スーパークリエイター)

【東京大学大学院工学研究科】 吉田 宏司(スーパークリエイター)

ユーザ視線リコメンドモデルの開発

レコメンドエンジンがフィードに変わり主要な情報探索手段となるには、興味に一致しているだけでは足りず、
推薦結果全体として多様性や意外性をもつ必要性がある。

ユーザの記事リスト閲覧時の視線の動きを考慮し、リスト上位の記事の推薦で使用したトピックを減衰させ、
ユーザのプロファイルを変更させていくリコメンドエンジンを開発し、ニュースのレコメンドサービス Gunosy に適用した。
上位と下位で異なる記事が推薦されることにより、推薦リストに多様性が生じる。
また、興味スコアの低いトピックに関する記事が表示されるようになり、ユーザが意外だと感じる記事の推薦も可能となる。

サービスのユーザ一ヶ月継続率は、下降傾向にあったが、新アルゴリズム適用により増加傾向へ変更した。

開発成果の詳細はこちら

この開発成果情報をシェアする

関連記事

注目の未踏開発情報

  • 0
  • 0
  • 0
  • 0
  • 0
早川 顕生

あらゆる人の声を模倣可能なリアルタイム音声変換システムの開発

未踏事業 SPECIAL

未踏SPECIAL スペシャルインタビュー
未踏SPECIAL 座談会
未踏SPECIAL 事業概要紹介

年度別で選ぶ

タグから選ぶ