はじめに こんにちは。Kagglerの 中間 と 若月 です。業務では主に人材領域でのレコメンドシステムの改善に取り組んでいます。 この記事では、レコメンドシステムにTwo-Towerモデルと近似最近傍探索による候補生成ロジックを導入することで、精度とコストを改善することに成功したので、その取り組みについて紹介します。 背景 導入したロジックについて説明する前に、まず既存のレコメンドシステムについて簡単に説明します。 既存のレコメンドシステムでは、ユーザとアイテムについてルールベースによる候補生成を行った後、機械学習モデルを用いてスコアを付与し、スコア順にユーザに推薦するアイテムを選択していました。 しかし、ルールベースによる候補生成はベースラインとしてはよいものの、性能改善には限界があり、ルールベースが複雑になればなるほど計算コストもかかるようになっていきます。 そこで、性能改善がしやす
![Two-Towerモデルと近似最近傍探索による候補生成ロジックの導入](https://cdn-ak-scissors.b.st-hatena.com/image/square/2457a36cf3e4c3aa6f120e74498eae821e5b3d8c/height=288;version=1;width=512/https%3A%2F%2Fblog.recruit.co.jp%2Fdata%2Farticles%2Ftwo-tower-model%2Fimg%2Fogp.png)