コールドスタート問題とは？

コールドスタート問題（Cold Start Problem）とは、推薦システム（レコメンデーションエンジン）において、過去の行動履歴や評価データが存在しないユーザーやアイテムに対して、精度の高いレコメンドを提供できないという課題です。エンジンが「冷えた状態（コールド）」から始まるためにこう呼ばれます。

コールドスタート問題は主に三つの種類に分類されます。

• 新規ユーザー問題：登録したばかりのユーザーには視聴・購入・評価などの履歴がなく、その人の好みを推定できない
• 新規アイテム問題：新しく追加された商品や楽曲・映画には評価がなく、協調フィルタリングでは推薦候補に上がりにくい
• 新規システム問題：サービス立ち上げ直後はデータ自体が極めて少なく、システム全体として機能しにくい

対策としては、登録時にアンケートや嗜好選択を促してプロフィールを収集する方法、人気ランキングやエディターのキュレーションで代替する方法、コンテンツベースフィルタリング（アイテムの属性情報を活用）を組み合わせる方法などが広く用いられます。また、外部SNSのデータ連携や、ブラウザの閲覧行動から嗜好を推定するアプローチも取られます。

コールドスタート問題はNetflixやAmazon、Spotifyなど大規模レコメンドを運用するサービスが長年取り組む実践的な課題であり、機械学習・情報推薦研究の重要なテーマのひとつです。