近さの測り方で、「いちばん近い人」が変わる
「あなたに似た好みの人」を探すとき、何をもって「似ている」とするかは、実は一通りではありません。同じデータでも、測り方を変えると、最も近い人が入れ替わります。おすすめの仕組みの根っこにある、この選択を見てみましょう。
3曲の採点で、考える
3つの曲を0から5で採点してもらった例です。あなたの採点は (4, 4, 0)。ほかの3人の採点は、ミナ (2, 2, 0)、ケン (4, 3, 2)、ユイ (1, 5, 1) です(人も数も自作で、実在の人とは関係ありません)。採点の並びは、3次元のベクトルです。
定規で測る:ユークリッド距離
座標の差を二乗して足し、平方根をとる方法は、2次元なら三平方の定理そのものです。あなたとミナは 2.83、ケンは 2.24。距離では、ケンが一番近くなります。
碁盤の目で測る:マンハッタン距離
差の絶対値をそのまま足す方法は、縦と横にしか進めない街の道のりに似ています。あなたとミナは 4、ケンは 3、ユイは 5。この例では、順番はユークリッド距離と同じです。
距離ではケンが、向きではミナが、いちばん近い。どちらも「正しい」。
向きで測る:コサイン類似度
ミナの採点は、あなたの半分ですが、「曲A・Bが好きで、Cは好まない」という形は同じです。コサイン類似度は 1.000。ケンは 0.919、ユイは 0.816 で、向きではミナが一番近くなります。ミナは、点のつけ方が辛い人、とも読めます。
どれを選ぶか
点の高さを重く見るなら距離、好みの形を重く見るならコサイン類似度。選び方に、唯一の正解はなく、何を「似ている」としたいかで決まります。測り方の選択が、おすすめの結果をはっきり左右することを、覚えておいてください。
次元が増えると、距離は頼りにならなくなる
この章の例は3次元でしたが、実際のデータは、数百、数千の次元をもちます。データの分布によっては、次元が大きくなると、最も近い点と最も遠い点の距離の差が、相対的に小さくなり、近い・遠いの区別がつきにくくなることが知られています。ただし、向きで測れば解決する、とは限りません。測り方の選択は、次元が増えるほど、慎重さが求められます。
測り方は、問題から決める
結局のところ、近さの測り方に、万能の答えはありません。「好みの形が同じ人を探したい」なら向き、「点数の水準まで同じ人を探したい」なら距離、というように、探したいものから逆算して選びます。測り方の選択は、数学の問題ではなく、「何をしたいのか」の問題なのです。AIの設計でも、まず、何を近いとしたいのかを、はっきりさせることが、出発点になります。
