Appleは2026年7月(現地時間)、機械学習研究論文を公開し、Apple TV検索向けの新たなパーソナライゼーションシステムを発表した。このシステムは、ユーザーが文字入力するたびに検索意図が未特定な状態でも高品質なランキングを提供することを目指す。テキストベースの多言語エンコーダーとIDベースの協調埋め込みモデルを組み合わせ、セマンティック信号と協調信号を統合する。
この新たなシステムは、ユーザーの最近の視聴履歴からユーザー表現を構築する。テキストおよびIDベースのユーザーとアイテム間のコサイン類似度が、XGBoostランカーに注入される仕組みだ。システムの有効性は、時系列で保持されたオフラインデータセットと3週間のオンライン制御実験を通じて評価された。
オフライン評価では、ユーザー履歴を持つセッションにおいて、パーソナライズされたランカーは非パーソナライズ化ベースラインと比較して、NDCG@10（検索結果上位の精度指標）を2.99%、MRR（最初の関連アイテムを見つける速さの指標）を3.30%向上させた。特に、検索意図がまだ不明瞭な曖昧なプレフィックスクエリ（1～3文字）では、NDCG@10の改善が+8.63%と、より長い、完全に特定されたクエリでの+1.46%を大きく上回った。視聴履歴が長いユーザーほどパーソナライゼーションの恩恵が大きく、NDCGの改善は1～5アイテムの履歴を持つユーザーで+2.13%から、51～100アイテムの履歴を持つユーザーで+4.37%に上昇した。これは、デフォルトのランキングが低パフォーマンスな状況でパーソナライゼーションが最大の価値を提供する可能性を示唆している。
オンライン評価では、統計的に有意なタップスルー率1.14%増とコンバージョン率1.23%増が記録され、コンバージョンしたアイテムのランキングポジションは2.91%改善された。さらに、セマンティック埋め込みと協調埋め込み間のカバレッジと精度のトレードオフ分析が行われ、LLMが判断した類似性ラベルを持つコーパスを用いて埋め込み品質の評価も実施されている。
MLエンジニアやプロダクトマネージャーは、この研究成果を自社サービスに応用する上で、以下の点を考慮できる。
- ハイブリッド埋め込みの評価軸: テキストベースのセマンティック信号とIDベースの協調信号を統合する際、両者のトレードオフを慎重に評価し、サービス固有のユーザー行動やデータ特性に合わせた最適な結合比率を見極めることが重要となる。
- 短クエリ優先設計指針: 曖昧な1～3文字のプレフィックスクエリで特に大きなパーソナライゼーション効果が確認されたことから、インクリメンタル検索システムにおいては、ユーザーが検索を開始した初期段階からパーソナライズを積極的に適用する設計が、全体的なユーザーエクスペリエンス向上に寄与する。
- 履歴長に基づくパーソナライズ閾値設定: 視聴履歴が長いユーザーほどパーソナライゼーションの恩恵が大きい傾向を踏まえ、ユーザーの利用頻度や履歴データ量に応じてパーソナライズの強度や適用範囲を動的に調整する戦略を検討できる。これにより、リソースの最適配分と効果の最大化が図れる。
参考: Apple ML Research (アーカイブ) — 2026年7月16日 09:00 (JST)