CleverSenseのリコメンロボットSeymourはまったく新しい「おすすめアルゴリズム」を駆使

Yelp、Foursquare、Facebook、Google、そして、そのほか大勢のスタートアップたちが、リコメンデーションサービスを競っている。なぜこんなに出場選手が多いのか、それは、スマートフォンの普及とともに、市場が巨大になってるからだ。日に日にユーザは増え続けるので、このサービスの最終勝者はまだ決まっていない。

と言ってる間に、今日もCleverSenseという新しい選手が戦いに参加してきた。CEOのBabak Pahlavan率いる同社は、これまでの2年間、既存のリコメンデーションサービスに勝つための新しいアルゴリズムを開発してきた。チームのアドバイザーは、なんと、Googleの協同ファウンダSergey Brinの博士論文の面倒を見たスタンフォードのJeff Ullman教授だ。

CleverSenseは今、Seymourと名付けたiPhoneアプリケーションの最終仕上げを行っている。同社によればそれは、”現実世界のためのPandora”だそうだ。初期の未公開バージョンを試してみたが、なかなか将来性ありそう、と感じた。

Seymourは一応ロボットの名前で、彼の使命は、レストランやそのほかのお店、施設、イベントなどを、ユーザがクェリを入力しなくても提案/おすすめすることだ。アプリを立ち上げ、ボタンを叩いてSeymourの方向（レストラン、カフェ、バー、などなど）を決めてやると、ユーザの好みに合ったお店のリストを表示してくれる。

そのためにこのアプリは、ユーザの嗜好を学習する。最初にSeymourを立ち上げたときは、最初の短い学習につきあってあげないといけない。たとえばレストランのリストを表示するので、その中の自分の好きな店を教えてやる。そしてその後このアプリを使い続けると、その過程の対話からさらに学習を深める。

このアプリのぼくの試用期間はわずか数分だったが、最初のおすすめでも十分にグッドだった（まあぼくの味の好みはかなり一般的だと思うが）。なお、CleverSenseは事前にWebをクロールして、いろんなお店等の属性/特性を集めており、それをもとにユーザに、自分の好きな特性などを尋ねる（下のスクリーンショット）。〔「フレンチオニオンスープがおいしい」「エスカルゴがおいしい」「カモのコンフィがすばらしい」などなど。〕

では、これまでのリコメンデーションサービスと、どこが違うのだろう？　Pahlavanは、アルゴリズムが違うと言う。多くのサービスがcollaborative filtering〔仮訳: 協働的フィルタリング〕というアルゴリズムを使っていて、それは、そのユーザに似たほかのユーザのデータをもとにリコメンデーションを行う。Seymorはそれプラス、model-based learning〔仮訳: 範型学習〕というアルゴリズムを使う。それは、個々のユーザの嗜好のタイプ（範型, モデル）を、リコメンデーションの集合として表し、構築する。それについて、Pahlavanはこう説明する:

範型学習は、個々のユーザに関する深い個人化を可能にし、ほかのユーザたちのリコメンデーションを集めたものではなく、まさにそのユーザ個人の嗜好にマッチする実体–お店など–に絞り込む。範型学習は、そのユーザをよく知っている友だちのように振る舞い、時間や場所等に合った、もっとも適切なリコメンデーションを行う。

範型学習が機能するためには、各実体を完全に描写する充実した関心グラフが必要だ。われわれはWebをマイン(mine, 掘削)して独自の関心グラフを構築し、われわれの学習エンジンはそれをもとに、ユーザ個人に関する学習を開始する。われわれのリッチな関心グラフにより、ユーザには、そのほかのユーザがゼロ人である最初から、高品質なリコメンデーションを提供できる。

このアプリは、立ち上げ時にもう一度取り上げよう。CleverSenseはこれまでに$1.6M（160万ドル）を調達し、11人のチームを抱える（8名が合衆国、3名が海外）。

[原文へ]
[jpTechCrunch最新記事サムネイル集]
[米TechCrunch最新記事サムネイル集]
（翻訳：iwatani(a.k.a. hiwa)）