② 機械学習の概要 ／ 8. 教師なし学習
コールドスタート問題とは
コールドスタート問題とは、新規ユーザーや新規アイテムの履歴データが不足しているため、適切な推薦が難しくなる問題です。協調フィルタリングに特有の課題としてよく知られています。
この用語はG検定シラバスの「8. 教師なし学習」に含まれます。 章全体の用語は用語解説②（全62語）にまとまっています。
一言でいうと
履歴がまだ無い新規ユーザーや新商品には、うまく推薦できないという問題です。
なぜ起きるのか
協調フィルタリングは「似た人の行動履歴」を手がかりにする手法です。ところが登録したばかりのユーザーには履歴がなく、誰と似ているかを判断できません。
同様に、追加されたばかりの商品は誰にも評価されていないため、推薦の対象になりません。これが「冷えた状態からの出発」＝コールドスタートです。
どう対処するか
- 属性情報を使うコンテンツベースフィルタリングを併用する
- 登録時に好みのジャンルを選んでもらう
- 人気の商品を初期の推薦として提示する
実務では複数手法を組み合わせたハイブリッド方式が使われます。
3つの型
- 新規ユーザー：その人の好みが分からない
- 新規アイテム：誰にも評価されていないため推薦候補に入らない
- サービス開始直後：そもそも履歴データ全体が存在しない
どの型かによって有効な対策が変わります。新規アイテムなら属性情報を使う方式が有効です。
🎯 G検定での押さえどころ
- 新規ユーザー・新規アイテムで推薦が困難になる
- 協調フィルタリングに特有の課題
- 対策としてコンテンツベース方式の併用がある
⚠️ よくある誤りの選択肢
- 「コールドスタート問題はコンテンツベースフィルタリングに特有の課題である」→ 誤り。協調フィルタリングの課題です
- 「コールドスタート問題はデータ量を増やしても解決しない」→ 誤り。履歴が蓄積すれば緩和します
関連する用語
ご利用にあたって 本ページの内容は、JDLAが公開しているG検定シラバス2024や公式テキストなど、一般に公開されている情報をもとに独自に整理・解説したものです。実際の試験の出題内容を示すものではなく、また合格を保証するものでもありません。制度・法令・試験要項は変更されることがあるため、最新の情報は必ずJDLA公式サイトでご確認ください。