Thông cáo báo chí

kèo bóng đá tây ban nha Lab, bài báo được chấp nhận cho Điểm nổi bật của RecSys '24 trên ACM TORS, một tạp chí học thuật lớn trong lĩnh vực hệ thống khuyến nghị

--Đề xuất phương pháp mới nhằm cải thiện sự cân bằng giữa tính công bằng và tỷ lệ khớp trong các nền tảng phù hợp--

kèo bóng đá tây ban nha｜27 tháng 3 năm 2026

CyberAgent Co, Ltd (Trụ sở chính: Shibuya-ku, Tokyo, Chủ tịch kiêm Giám đốc điều hành: Takahiro Yamauchi, TSE Prime Market: Mã chứng khoán: 4751) được lãnh đạo bởi Yoji Tomita, nhà nghiên cứu tại kèo bóng đá tây ban nha Lab, một tổ chức nghiên cứu và phát triển công nghệ trí tuệ nhân tạo và Tomohiko Yokoyama từ Đại học Tokyo^※1đã được xuất bản trên một tạp chí học thuật lớn trong lĩnh vực hệ thống khuyến nghịchọn cho "Những điểm nổi bật của RecSys '24"

``ACM TORS'' là một tạp chí có thẩm quyền do Hiệp hội Máy tính (ACM) xuất bản, đề cập đến lý thuyết và công nghệ mới nhất trong các hệ thống khuyến nghị Lần này, "Điểm nổi bật của RecSys '24" làPhần nơi các bài báo mở rộng có nội dung nâng cao hơn được chọn lọc và xuất bản sau khi bình duyệt, nhắm đến nghiên cứu xuất sắc được chọn lọc và mời từ các bài báo trình bày tại RecSys 2024, một hội nghị hàng đầu trong lĩnh vực hệ thống đề xuất được tổ chức tại Ý vào tháng 10 năm 2024

Bối cảnh: Vấn đề công bằng trong hệ thống khuyến nghị lẫn nhau và các bài báo được chấp nhận tại "RecSys 2024"

Hệ thống đề xuất đối ứng, giới thiệu những người dùng khác đến các nền tảng phù hợp như dịch vụ giới thiệu việc làm và hẹn hò trực tuyến, là công nghệ hỗ trợ cốt lõi của dịch vụ Nhiều công nghệ nghiên cứu thông thường nhằm mục đích tối đa hóa tỷ lệ phù hợp của toàn bộ nền tảng, nhưng kết quả là, “sự không công bằng”, khi cơ hội đề xuất tập trung vào một số người dùng và cơ hội không có sẵn cho những người dùng khác, đã trở thành một vấn đề thực tế quan trọng

Để giải quyết những vấn đề này, bài viết được trình bày tại “RecSys 2024” “'', chúng tôi đã xác định tính công bằng của các cơ hội đề xuất trong các nền tảng phù hợp bằng cách sử dụng khái niệm không ghen tị trong việc phân chia công bằng Chúng tôi cũng đề xuất một phương pháp khuyến nghị lẫn nhau công bằng hơn bằng cách áp dụng hàm phúc lợi xã hội Nash, được biết đến trong lĩnh vực phân chia công bằng

Tóm tắt bài viết được chấp nhận này

「」
Tác giả: Yoshi Tomita (CyberAgent kèo bóng đá tây ban nha Lab, Inc), Tomohiko Yokoyama (Đại học Tokyo)

Nghiên cứu này mở rộng phương pháp được công bố tại "RecSys 2024" và đề xuất phương pháp mới giúp tăng khả năng triển khai trong các dịch vụ thực tế quy mô lớn Với các phương pháp thông thường nhấn mạnh đến tính công bằng, rất khó để kiểm soát chính xác tỷ lệ khớp trên nền tảng đồng thời mang lại cơ hội bình đẳng cho mọi người Phương pháp mới này (phương pháp α-SW) cho phép kiểm soát tối ưu để duy trì sự cân bằng lành mạnh trong suốt dịch vụ trong sự cân bằng giữa tỷ lệ khớp và tính công bằng Hơn nữa, bằng cách áp dụng thuật toán sinkhorn, được biết đến trong lĩnh vực vận chuyển tối ưu, chúng tôi đã phát triển một phương pháp tính toán gần đúng giúp cải thiện tốc độ tính toán

Tương lai
Kết quả nghiên cứu được áp dụng lần này dự kiến sẽ được áp dụng cho nhiều dịch vụ đối sánh khác nhau yêu cầu cung cấp cơ hội tối ưu một cách công bằng cho mỗi người dùng Thông qua nghiên cứu nâng cao kết hợp kinh tế và học máy, kèo bóng đá tây ban nha Lab sẽ tiếp tục cải thiện chất lượng phù hợp của các dịch vụ mà chúng tôi cung cấp, xây dựng nền tảng đáng tin cậy hơn và cuối cùng là góp phần giải quyết các vấn đề xã hội

※1 Liên kết tại thời điểm viết bài