AWSのAI・MLサービス応用問題
Amazon Personalizeを使用してECサイトのレコメンデーションエンジンを稼働させています。新商品を大量に追加したところ、「コールドスタート問題」によって新商品がほとんどレコメンドされなくなりました。この問題に対処するための最も適切な方法はどれですか？
A.新商品の追加後、すべてのユーザーの購買履歴データを削除してモデルを初期化する
✗ 購買履歴を削除するとすべてのユーザーのレコメンド精度が大幅に低下し、問題解決にはなりません。
B.Amazon Personalizeのアイテムメタデータ（カテゴリ、価格帯など）を充実させ、コンテンツベースのフィルタリングを補助的に活用する← 正解
✓ 正解です。アイテムメタデータを充実させることでPersonalizeはコールドスタートアイテムをメタデータの類似性から推薦できるようになります。
C.新商品専用のAmazon SageMakerモデルを別途構築し、PersonalizeのAPIと並列で呼び出す
✗ 別途SageMakerモデルを構築することは過剰な対応であり、Personalizeの組み込み機能で対処できます。
D.レコメンデーションの更新頻度を下げ、バッチ処理に切り替えることで安定性を優先する
✗ 更新頻度を下げることは新商品の露出機会をさらに減らし、コールドスタート問題を悪化させる可能性があります。