dự đoán bóng đá kèo nhà cái Lab, đồng tác giả bài báo được chấp nhận tại "The Web Conference", một hội nghị hàng đầu trong lĩnh vực web và khai thác dữ liệu - Đề xuất phương pháp cho phép học tập xếp hạng với tốc độ cao và độ chính xác cao để đưa ra khuyến nghị -

CyberAgent Co, Ltd (Trụ sở chính: Shibuya-ku, Tokyo, Giám đốc đại diện: Susumu Fujita, Được niêm yết trên Phần đầu tiên của Sở giao dịch chứng khoán Tokyo: Mã chứng khoán: 4751) đã đồng tác giả một bài báo của các nhà nghiên cứu Riku Togashi, Masahiro Kato và Mayu Otani, những người thuộc tổ chức nghiên cứu và phát triển công nghệ trí tuệ nhân tạo "dự đoán bóng đá kèo nhà cái Lab", đồng thời là cố vấn Shinichi Sato, nhân vật hàng đầu trong nghiên cứu tìm kiếm hình ảnh và video, cùng những người khác tại hội nghị quốc tế về lĩnh vực web “The Web Conference” 2021”※1にて本採択されたことをお知らせいたします。

``Hội nghị Web (thường được gọi là WWW)'' là một trong những hội nghị quốc tế uy tín trong lĩnh vực web và khai thác dữ liệu, nơi các bài thuyết trình nghiên cứu được tổ chức từ góc nhìn của nhiều lĩnh vực nghiên cứu, từ khoa học máy tính, kinh tế, học máy đến chính sách Năm 2021 sẽ là một năm rất khó khăn với tỷ lệ chấp nhận xấp xỉ 21% và các bài báo được "dự đoán bóng đá kèo nhà cái Lab" chấp nhận sẽ được trình bày tại "The Web Conference 2021", được tổ chức trực tuyến vào tháng 3 năm 2021


■研究背景
Tại Phòng thí nghiệm dự đoán bóng đá kèo nhà cái, chúng tôi đang nghiên cứu và phát triển nhiều công nghệ dự đoán bóng đá kèo nhà cái liên quan đến tiếp thị nói chung Chúng tôi đang giải quyết nhiều vấn đề kỹ thuật khác nhau, đồng thời tăng cường hợp tác giữa ngành-học viện với các trường đại học và tổ chức học thuật, đồng thời chúng tôi cũng tiến hành nghiên cứu và phát triển thực tế hơn nhằm kết nối công nghệ được xây dựng thông qua hợp tác giữa ngành-học viện với các vấn đề kinh doanh của chúng tôi
Trong những năm gần đây, trong các dịch vụ web khác nhau bao gồm quảng cáo trên Internet, công nghệ dự đoán chính xác nội dung phân phối và quảng cáo được mỗi người dùng ưa thích đã đóng một vai trò quan trọng trong việc xác định sự hài lòng của người dùng
Tuy nhiên, do lượng người dùng và nội dung được phân phối tăng nhanh do sự lan truyền của Internet, vấn đề nảy sinh là việc đào tạo và dự đoán hệ thống dự đoán hiệu ứng rất tốn kém

Từ những thử thách đóTrường giải quyết các vấn đề kỹ thuật trong việc dự đoán hiệu ứng cho số lượng lớn người dùng và nội dung được phân phốiđang thu hút sự chú ý và công ty chúng tôi đang hợp tác với Shinichi Sato để phát triển các hệ thống đề xuấtBài viết đồng tác giả được chấp nhận cho "WSDM 2021"


■Tổng quan nghiên cứu luận án
Bài viết đồng tác giả “Xếp hạng cá nhân hóa dựa trên tỷ lệ mật độ từ phản hồi ngầm※2”Đã phát triển và đề xuất phương pháp học xếp hạng dựa trên ước tính tỷ lệ mật độ cho đề xuấtTôi đã làm vậy

・Thách thức trong việc xếp hạng phương pháp học tập
Nói chung, công nghệ máy học có tên là học cách xếp hạng được sử dụng rộng rãi trong việc phát triển hệ thống đề xuất cho nhiều dịch vụ khác nhau Và phương pháp học xếp hạng là“Học theo từng điểm” dự đoán và tìm hiểu tác động của từng nội dung riêng lẻ và “học xếp hạng theo cặp” học một mô hình trong khi so sánh nhiều nội dung

Đặc điểm của từng phương pháp là học theo từng điểm có tốc độ học nhanh nhưng độ chính xác dự đoán thấp, trong khi học xếp hạng theo cặp cần thời gian để học nhưng có độ chính xác dự đoán cao Các hệ thống khuyến nghị sử dụng dữ liệu quy mô lớn không chỉ đòi hỏi hiệu suất dự đoán cao mà còn tốc độ học tập cao, nhưng cho đến nay vẫn còn một vấn đề là có rất ít phương pháp mang lại sự cân bằng tuyệt vời giữa cả hai

・Phương pháp đề xuất
Nghiên cứu này đề xuất phương pháp học bán giám sát sử dụng dữ liệu lịch sử như số lần nhấp chuột và giao dịch mua hàng Phương pháp học mới được đề xuất làTrong khi duy trì tốc độ học tập cao vốn là một đặc điểm của học tập theo điểm, nó cũng đạt được hiệu suất dự đoán cao ngang bằng hoặc tốt hơn so với học tập xếp hạng theo cặpTôi đã làm vậy Điều này dẫn đến従来よりも効率的に大量のデータを学習することが可能và dự kiến hệ thống đề xuất sẽ cải thiện hiệu suất hơn nữa


▼Hình ảnh “tốc độ và hiệu suất học tập” của phương pháp học tập mới được đề xuất
Tốc độ học nhanh hơn phương pháp thông thường (hình bên trái) và hiệu suất dự đoán xếp hạng được cải thiện (hình bên phải)

Hơn nữa, phương pháp được đề xuất này là“Học trực tuyến” là điều cần thiết cho việc học sử dụng dữ liệu quy mô lớnvà tính hiệu quả của nó đã được xác nhận trong việc đào tạo các mô hình đề xuất bằng cách sử dụng học sâu


■Tương lai
Phương pháp được đề xuất là công nghệ cơ bản để giới thiệu các mô hình sâu phức tạp đòi hỏi thời gian và chi phí tính toán để huấn luyện thành các hệ thống đề xuất Điều này được kỳ vọng sẽ cải thiện hiệu quả phát triển khi sử dụng hình ảnh và văn bản có trong quảng cáo "dự đoán bóng đá kèo nhà cái Lab" sẽ tiếp tục nỗ lực nghiên cứu và phát triển với mục tiêu hiện thực hóa công nghệ phân phối quảng cáo chất lượng cao hơn kết hợp công nghệ dự đoán bóng đá kèo nhà cái


※1
※2