ヒューマンクラスタによるレコメンド記事解析について考える

仰々しいタイトルではございますが割と浅い記事です。

Gunosyに登録して3ヶ月程過ぎました。

Gunosyではユーザーが読んでいる記事を解析して

本人の申告した好みのジャンルと

同じような記事を読んでいるユーザーの情報からおすすめの記事を特定し

それをレコメンドしてくれる機能が備わっています。

長く使っているとだんだん自分の興味がある記事がレコメンドされるようにチューニングが進んでいき

読みたいニュースやブログ記事がずらっと並ぶようになる

というわけです。

この辺りが情報感度の高いコアなWEBユーザーに受けているわけですし

皆さんご存知の機能かもしれません。

んで

暫く使ってみて思ったのは

既に読んだ事のある記事の多さです。

だいたい気になる記事って1度は読んだ事がある記事がレコメンドされる割合がだんだん高くなってきたんですね。

っていうのも

SNSで友人がシェアした記事がそれに当たるわけです。

同様の事をFacebookは情報フィードの中でやっていて

繋がりの強い友人やFacebookにお金を払った人の投稿

あとは優良コンテンツを投稿するユーザーかを判別してフィードに表示される情報を絞り込んでいるわけです。

twitterやmixi、Instagramがそういう事をしているって話は聞きませんが

twitterはおすすめのユーザーをレコメンドする機能があったりしますよね。

そんなこんなで気になるのは

機械学習によるレコメンドエンジンの精度と友人関係によるレコメンドの精度だと

同じコミュニティを共有している友人関係からのレコメンドの方が精度が高いんじゃないか

という話です。

わざわざSNSに投稿するものは

友人に是非教えたいという何かしらの感動があったコンテンツであり

それは機械学習だけで拾い上げるにはあまりにニッチなものも含まれると思いますし

機械学習でただ記事のキャプチャが送られてくるよりも
たった一言の友人のコメントが付いている方が訪問意欲に影響すると思います。

最近見たWEB広告の効果解析の中に

商品レビューのユーザー感情解析

なんてものがありました。

商品レビューを書いたユーザーがどんな感情を持ってそのレビューを書いたのか

あるいはbotが機械的に投稿したものなのか

を解析するシステムを開発した人のレポートです。

流し読みしかしてないので詳細については言及しませんが

もしかするとレコメンドエンジンや広告解析の世界において

機械学習という手段以上にユーザー動向や友人関係といった

「ターゲットユーザーの周りにいる人の解析」みたいな事をした方が

ずっと効果の高いレコメンドが出来るのではないかと

そんな事を考えたわけです。

そんな事しようと思ったらどんなに大規模なシステムを作っても手が足りなくなるわけですがw

機械学習分野が大好きな人が

個人ユーザー向けに自分のSNSフィードや友人関係をまとめて

友達動向を優先したレコメンドエンジンとか作ってくれたらものすごく効果の高い自分向けレコメンドエンジンが出来るんじゃないかな〜と・・・。

暇が出来たらちょと考えてみます。

べ、別にあんたの事をレコメンドエンジンって言っているわけじゃないんだからねっ！

もっと大切な・・・って何言わせるのよバカっ！！/////