プロジェクト概要

近年、Webにおいて個人が情報を気軽に発信できるようになり、また個々人はWebを経由して簡単につながれるようになった。これにより、Webの情報量はかつてない勢いで増加している。

ソーシャルな時代における主要な情報探索手段の一つにフィードという手法がある。これはお気に入りのユーザやサイトをフォローして、その更新を取得するという手法である。しかしこの単純な手法ではまかないきれないほど情報の量は増え、ユーザが情報を探すストレスは増加している。そこでフィードに変わる新たな情報探索手段が求められており、その一つにレコメンドエンジンによる情報フィルタリングがある。

従来のレコメンドエンジンは「ユーザが欲しい情報」を「ユーザが興味を持つ情報」と定義しており、推薦の評価もユーザの興味にいかに一致するかという方向性で発展してきた。しかしレコメンドエンジンがフィードに変わり主要な情報探索手段となるには興味に一致しているだけでは足りず、推薦結果全体として多様性や意外性をもつ必要性がある。興味の一致にのみ主眼をおくと情報の偏りが起きてしまうためである。

本提案では、ソーシャルネットワーキングサービス（SNS）に蓄積された個人の行動履歴を解析し、ユーザの情報収集の特性からユーザにとっての多様性や意外性を定義し、それを考慮したニュースのレコメンドエンジンを開発する。

採択理由

情報の海の中から自分が欲しいものを選ぶことはますます難しくなってきていて、個人の嗜好を反映するための様々な情報推薦システムが提案されているが、有用だと認められ広く利用されているものはまだない。

福島君はGunosyという推薦サイトを運営してきた経験にもとづいて、多様性や意外性のある記事を推薦してくれる新しいシステムを提案している。開発したシステムを数千人のアクティブなユーザに利用してもらって試行錯誤することにより、真に実用的な推薦システムの開発を期待している。