この記事について

/algorithm-analysis/current ではフィードのランキングアルゴリズムを扱いましたが、 これは別の仕組みです。分析対象は twitter/communitynotes (Apache-2.0、最新コミット 273c895、2026-07-17時点)。投稿に「注釈」を追加する Community Notesが、どのノートを「有用(Helpful)」として表示するかを決めるスコアリングロジックの 公式実装です。

フィードの推薦アルゴリズムが「何をすればインプレッションを稼げるか」を扱うのに対し、Community Notes は「自分の投稿にノートが付くかどうか」「ノートを書く側としてどう書けば採用されるか」という、 また別の角度でXでの立ち回りに関わってきます。

ノートは3段階の状態を持つ

投稿されたノートには「評価待ち(Needs More Ratings)」「有用(Helpful)」「無用(Not Helpful)」の 3状態があります。最低5件の評価を受けるまでは「評価待ち」のままです。

  • 有用: ヘルプフルネススコアが0.40以上、かつノートの因子スコアの絶対値が0.50未満
  • 無用: スコアが -0.05 - 0.8 × |ノート因子スコア| を下回る、または信頼区間の上限が-0.04未満
POINT

単純な「賛成多数」では有用になりません。次のセクションで説明する「多様な視点からの合意」という 別の条件を満たす必要があります。

なぜ「多様な視点からの合意」が必要なのか:マトリックス分解の仕組み

アルゴリズムの中核は、評価者×ノートの疎行列を分析するマトリックス分解です。各評価は次の式で 予測されます。

r̂ = μ + i_u + i_n + f_u · f_n

  • μ: 全体の切片
  • i_u: 評価者の一般的な厳しさ/寛容さ
  • i_n: ノート自体の真の有用性
  • f_u · f_n: 評価者とノートの潜在因子ベクトルの内積(=立場の一致度)

損失関数の正則化パラメータは λ_i = 0.15(切片)に対して λ_f = 0.03(因子)と、切片への正則化が 因子への正則化の5倍に設定されています。これにより、同じ立場の評価者だけから支持されても i_n(ノートの真の有用性)は伸びにくく、異なる立場の評価者からも支持されて初めてノートの 切片スコアが上がる、という設計になっています。

編集部より

「賛成の数」ではなく「賛成している人たちの立場の幅」が問われる設計です。特定のクラスタからの通報・高評価だけを集めても、ノートは有用と判定されにくい仕組みになっています。

「有用」認定の追加条件

マトリックス分解の切片スコアが基準を満たすだけでは不十分で、以下の条件もあわせて要求されます。

  1. ネット有用性最小値: 因子が正・負それぞれのグループから最低10件ずつの支持、または 最低4件ずつ+全体の支持率0.05以上のいずれかを満たす
  2. 評価者参加度の基準線: 最も活発な評価者上位0.1%を除外して再計算しても切片0.37以上を維持する
  3. 評価者独立性の基準線: 評価者と投稿の関係グラフから密結合した部分集団を除外して再計算しても 切片0.37以上を維持する
  4. ポスト選択類似性チェック: 複数アカウントが不自然に同じ投稿群を評価している場合、 それらは実質「1人」として扱われる(結託評価の無効化)
推奨
  • ノートを書く/評価する側なら、特定の立場に偏らない書き方・ソースの提示を意識する
  • 自分の投稿にノートが付いた場合、それは特定クラスタの通報ではなく、幅広い立場からの合意である 可能性が高いと理解しておく
NG
  • 仲間内・同じ立場のアカウント同士で示し合わせて評価する(結託評価はポスト選択類似性チェックで 無効化されるリスクが高い)
  • 検証不能な主張やソースの薄い投稿をする(ノートが付きやすくなる)

表示までの遅延・安定化の仕組み

すべてのノートには最低30分の遅延が設けられ、機械学習モデルが「不安定」と予測した場合は 最大180分まで「評価待ち」に留め置かれます。個別評価者の傾向、タグ評価の集計比率、評価の バースト性(短時間に集中した評価)などが不安定判定の特徴量として使われます。

また、投稿から2週間経過したノートは状態が固定されます。固定後に「有用」の座を失うには、 スコアが基準閾値(0.40)より0.01以上下回る必要があります。これは、古いトピックについて 一度確立されたノートが、後から入ってくる不安定な少数評価によって覆るのを防ぐための設計です。

モデルは1つではない

Community Notesは単一モデルではなく、目的の異なる複数モデルを並行運用しています。

  • コアモデル: Community Notesが確立している地域(米国など)の評価が中心
  • 拡張モデル: 全地域の評価を含む、より広いモデル
  • グループモデル: 地域・言語別に分割された12以上のモデル。こちらも正負両因子から 最低5件ずつの評価が必要
  • トピックモデル: 特定トピックに特化。切片0.24未満、またはノート因子0.51超では資格なし
  • ガウスモデル(試験段階): 評価者因子スペクトラム全体の有用性率をガウスカーネル平滑化で推定

いずれのモデルでも「有用」と判定されればノートは表示されます。

編集部より

「ノートが付く=袋叩きにされた」ではなく、複数モデル・複数条件をくぐり抜けた結果だと知ると、少し受け止め方が変わりませんか。編集部自身も、この仕組みを調べる前と後で見方が変わりました。

まとめ:投稿者として知っておくべきこと

ここまで見てきたスコアリングの仕組みに共通するのは、「多数派の賛成」ではなく「立場の異なる 評価者からの合意」を評価するという一貫した設計思想です。マトリックス分解の因子スコア、 ネット有用性最小値、評価者独立性の基準線、ポスト選択類似性チェックと、いずれも仲間内での 示し合わせや偏った評価クラスタを弾くための仕組みとして機能しています。加えて、表示までの 遅延や2週間後の状態固定は、瞬間的な感情の高まりや少数の不安定な評価でノートの判定が揺れ動く のを防ぐための設計です。投稿者として押さえておくべきポイントを整理すると次のとおりです。

まとめ
  • ノートは単純な多数決ではなく、異なる立場の評価者からの合意(マトリックス分解の切片スコア)で 判定される
  • 結託した評価はポスト選択類似性チェックで無効化されうる
  • ノートの表示には最低30分、不安定な場合は最大180分の遅延がある
  • 投稿から2週間経過したノートは状態が固定され、覆りにくくなる
  • コア・拡張・グループ・トピック・ガウスの複数モデルが並行運用されている

参考資料