青の統計学-DS Playground-

アルゴリズム編

探索・推論・知識表現を中心としたG検定対策問題。AI分野の基本的な問題解決手法と計算手法について学習します。

レコメンド:類似ユーザー探索の高速化 レベル2

動画配信サービスで、視聴履歴(新規ユーザーは登録時のアンケートで選んだ好みのジャンル・作品)から作った嗜好ベクトル(高次元)をもとに類似ユーザーを探す機能を実装する。要件は「約100万ユーザー」「新規登録時も1秒以内に候補を返す」「類似度計算は高価」である。この状況で最も適切な探索戦略はどれか。

解説

高次元嗜好ベクトルの近傍探索

正解

嗜好ベクトルを埋め込みとして保持し、HNSWなどの近似最近傍(ANN)インデックスで候補を取得する。

正解になる理由

類似ユーザー検索は高次元ベクトル空間の近傍探索です。線形探索は100万件では遅すぎ、ユーザーIDの辞書順やスカラーの二分探索はベクトル類似度の単調性を保証しません。HNSW等のANNは近似だが、大規模・低レイテンシ要件に適合しやすい定番手法です。

各誤答がなぜ誤りか

  • 選択肢1: 厳密解は得られるが、類似度計算が高価な100万件ではリアルタイム要件を満たしにくい。
  • 選択肢2: ユーザーIDの近さは嗜好の近さと無関係。
  • 選択肢3: 二分探索は順序付きスカラーに対する手法であり、一般のベクトル近傍探索には使えない。
問題 1/20
カテゴリ一覧に戻る
問題検索