【G検定過去問風テスト】推薦システムの天敵「コールドスタート問題」の要因と対策を解説！
※本記事では、アフィリエイトプログラムより教材を紹介しています。
📝 問題
新規開設したWebサービスや新規登録ユーザーにおいて、過去の利用・閲覧履歴や評価データなどの蓄積が不十分であるため、レコメンデーションエンジン（特に協調フィルタリング）が適切な推薦を行えなくなる現象を表す専門用語として、最も適切な選択肢を1つ選べ。
- A）コールドスタート問題
- B）次元の呪い
- C）データリーケージ
- D）勾配消失問題
🔍 ここをクリックして正解を見る
- 正解: A）コールドスタート問題
💡 合格に近づく！徹底解説
- 重要度: ★★★
■ 1分で分かる！この問題の要点
- コールドスタート問題は、利用履歴などのデータがまだ蓄積されていない（冷え切っている）初期状態において、AIが適切なレコメンドを行えなくなる現象のこと。
- 「データがないと他人との類似度を計算できない」ため、協調フィルタリングで特に深刻な課題となる。
- 対策として、初期段階では商品のスペックや属性で判断できるコンテンツベースフィルタリングを活用する手法などが挙げられる。
■ 初学者向け解説（例え話や背景）
コールドスタート問題は、「新オープンしたばかりのカフェで、店員さんが『いつものにしますか？』と聞けない状態」に例えられます。
常連さん（十分なデータがある既存ユーザー）なら「この人は苦いコーヒーが好きだな」と好みを把握できますが、今日初めて店に来たお客さん（新規ユーザー）の好みは全く分かりませんよね。エンジンがかかって温まる前の「冷え切った状態（コールド）」からスタートすることが名前の由来です。
試験では「データが十分にたまっていない初期段階で起きる問題＝コールドスタート問題」と一発で結びつけられるようにしましょう！
■ 選択肢の解説
- A) コールドスタート問題（○）: 新規ユーザーや新規商品に対し、履歴データが不足していることで適切なレコメンドが困難になる現象です。
- B) 次元の呪い（×）: データの特徴量（次元）が増えすぎると計算量が爆発し、AIの認識精度や処理効率が低下する現象です。
- C) データリーケージ（×）: 本来の学習時には使えないはずの未来の情報やテストデータの情報が、誤って訓練データに漏れ込んでしまう失敗現象です。
- D) 勾配消失問題（×）: ニューラルネットワークの層が深くなるにつれて勾配が極めて小さくなり、パラメータ更新がうまく行われなくなる現象です。
👉 次の問題＆解説テキスト
お疲れ様です！
この調子で次の問題に挑戦しますか？
それとも、立ち止まって詳しい解説を確認しますか？
