Spotifyのレコメンドを理解する Yuki Nagae 

Table of Contents 1. はじめに 2. Spotifyについて 3. レコメンデーション手法: 協調フィルタリング 4. 良いところ・悪いところ 5. まとめ 2 

レコメンデーションとは? レコメンデーションとは、 ユーザに商品をおすすめする こと によりユーザが何の商品を買うか、何の 音楽を聴くかなどを手伝うこと（意訳） (Ricci, Rokach & Shapira 2011) 3 

なぜ今レコメンデーションが重要? ユーザにとって ● 大量の情報（Webサイト）から適切な商品を見つける 企業にとって ● 販売アイテム数を増やす ● より多様なアイテムを販売する ● ユーザー満足度を高める ● ユーザーの忠実度を高める ● ユーザーのニーズを理解する 4 

レコメンデーションはどう動く? 5 

レコメンデーションの手法一覧 ● コンテンツベース ● 協調フィルタリング <= 今日はこれをやる! ● ユーザの属性ベース ● 知識ベース ● コミュニティベース ● 上記の組合せ（ハイブリッド） etc 6 

レコメンデーションに必要な情報 ● アイテム (ex. 曲, 映画, ニュース記事 etc) ● ユーザ ● トランザクション (ユーザのアイテムに対してのフィードバック) ○ 明示的なフィードバック (ex. 評価・レーティング, like etc) ○ 暗黙的なフィードバック (ex. クリック, 閲覧 etc) 7 

Spotifyについて ● ユーザ数: 24 million アクティブユーザ / 6 million 有料ユーザ ● 曲数: 20 million ● プレイリスト: 1 billion のユーザが生成したプレイリストがある 8 

9 

Spotifyはどこでレコメンデーションして る? 協調フィルタリング ● Discovery Week Playlist ● Spotify Radio 10 

協調フィルタリングとは? 似た趣味を持ったユーザが過去に好きなアイテム をおすすめする 11 

協調フィルタリングの仕組み? データ ● ユーザ ● アーティスト ● 視聴回数 アルゴリズム ● Matrix Factorization（行列分解） 12 

協調フィルタリングの仕組み? データ ユーザID アーティスト 視聴回数 00000c289a1829a808ac09c00daf10bc3c4e223b The Beatles 2137 00001411dc427966b17297bf4d69e7e193135d89 Red Hot Chili Peppers 691 00004d2ac9316e22dc007ab2243d6fcb239e707d Bob dylan 1384 … たくさん!!! ... ... 13 

Matrix Factorization a 14 

Matrix Factorization (例) The Beatles Coldplay Maroon 5 Linkin Park ユーザ 1 5 3 ? 1 ユーザ 2 4 ? ? 1 ユーザ 3 1 1 ? 5 ユーザ 4 1 ? ? 4 ユーザ 5 ? 1 5 4 15 

Matrix Factorization (例) ● ユーザ 1 と ユーザ 2 は趣味が似てる! The Beatles Coldplay Maroon 5 Linkin Park ユーザ 1 5 3 2.18 1 ユーザ 2 4 2.40 1.97 1 ユーザ 3 1 1 5.32 5 ユーザ 4 1 0.85 4.59 4 ユーザ 5 1.36 1 5 4 16 

良いところ・悪いところ 良い ● 予測の精度が良い！ ● 実装が簡単 ● 新しいデータも簡単に追加できる 悪い ● Cold Start 問題 ○ 新しいアイテムを新しいユーザにおすすめできない（似ているユーザがわからない） ! ● スケールが難しい ● Harry Potter 効果 ○ みんな Harry Potter が好き, だからと言ってみんなに Harry Potter をおすすめする? 17 

まとめ ● Spotifyは協調フィルタリングでユーザに曲のレコメンドをしている ● 協調フィルタリングは [アイテム] x [ユーザ] を元にレコメンドしている ● 良いところ: 精度がいい（らしい）! ● 悪いところ: 大量のデータが必要! (Cold Start 問題) 18 

参考文献 Balabanović, M. & Shoham, Y. 1997, 'Fab: content-based, collaborative recommendation', Communications of the ACM, vol. 40, no. 3, pp. 66-72. Bickson, D. 2012, 'Harry Potter Effect on Recommendations', weblog, viewed 15 September 2016, . Ricci, F., Rokach, L. & Shapira, B. 2011, Introduction to recommender systems handbook, Springer. Johnson, C. 2014, 'Algorithmic Music Recommendations at Spotify', SlideShare, viewed 15 September 2016, . Johnson, C. 2015, 'Interactive Recommender Systems with Netflix and Spotify', SlideShare, viewed 15 September 2016, . Murali, V. 2015, 'DataEngConf: Building a Music Recommender System from Scratch with Spotify Data Team', SlideShare, viewed 15 September 2016, . Thorat, P.B., Goudar, R. & Barve, S. 2015, 'Survey on collaborative filtering, content-based filtering and hybrid recommendation system', International Journal of Computer Applications, vol. 110, no. 4. 19