soi kèo bóng đá anh Lab, đồng tác giả bài báo được chấp nhận tại hội nghị hàng đầu "ICML" trong lĩnh vực machine learning - Đề xuất phương pháp lựa chọn mô hình dự đoán tối ưu nhằm tối đa hóa hiệu ứng nâng cao -

CyberAgent Co, Ltd (Trụ sở chính: Shibuya-ku, Tokyo, Chủ tịch kiêm Giám đốc điều hành: Susumu Fujita, Được niêm yết trên Phần đầu tiên của Sở giao dịch chứng khoán Tokyo: Mã chứng khoán: 4751) đã thông báo rằng một bài báo được đồng tác giả bởi Shota Yasui, một nhà nghiên cứu liên kết với Phòng thí nghiệm soi kèo bóng đá anh, một tổ chức nghiên cứu và phát triển công nghệ trí tuệ nhân tạo và Yuta Saito của Viện Công nghệ Tokyo sẽ được trình bày tại một hội nghị quốc tế ở lĩnh vực học máy" (Hội nghị quốc tế về học máy *1)

"ICML" là hội nghị quốc tế được tổ chức hàng năm bởi các nhà nghiên cứu từ khắp nơi trên thế giới và là một trong những hội nghị có thẩm quyền hàng đầu trong lĩnh vực học máy, cùng với "NeurIPS" và "KDD" (*2) Các bài báo được soi kèo bóng đá anh Lab chấp nhận sẽ được trình bày tại ICML 2020, được tổ chức trực tuyến vào tháng 7 năm 2020


■Bối cảnh nghiên cứu


Trong những năm gần đây, một chỉ báo có tên `` mức tăng '' đã thu hút sự chú ý trong tiếp thị, chỉ số này đo lường mức độ cải thiện nhận thức về thương hiệu và ý định mua hàng của người dùng đã xem quảng cáo Ví dụ: quảng cáo tính đến các yếu tố như "độ nâng thương hiệu", đo lường xem quảng cáo có tăng khả năng nhận diện thương hiệu hay không và "mức tăng tìm kiếm" đo lường xem số lượng tìm kiếm có tăng hay không Nếu hiệu ứng nâng cao có thể được dự đoán với độ chính xác cao thì các biện pháp tiếp thị có thể tập trung vào thời gian, người dùng, phương tiện truyền thông và các tình huống khác có tác động nâng cao lớn Vì những ưu điểm này, việc dự đoán hiệu ứng nâng lên được coi là một lĩnh vực nghiên cứu quan trọng trong học máy và nhiều phương pháp đã được đề xuất Tuy nhiên, điều này tạo ra vấn đề là phải chọn phương pháp thích hợp nhất trong số nhiều phương pháp để dự đoán hiệu ứng nâng lên


■Tóm tắt bài viết
Dựa trên nền tảng này, bài báo đồng tác giả đã được chấp nhận lần này “”Đã phát triển phương pháp để chọn phương pháp tối ưu trong số nhiều ứng cử viên cho phương pháp dự đoán trong ứng dụng học máy để dự đoán hiệu ứng nâng caoTôi đã đưa ra đề xuất

Để dự đoán hiệu quả nâng cao bằng cách sử dụng máy học, cần phải quan sát đồng thời kết quả (số lượng tìm kiếm và mua hàng) đối với một người dùng nhất định khi các biện pháp như quảng cáo được triển khai và khi chúng không được triển khai, đồng thời sử dụng sự khác biệt làm dữ liệu câu trả lời chính xác Tuy nhiên, thực sự không thể quan sát cả hai kết quả từ cùng một người dùng Kết quả là, khi áp dụng học máy để dự đoán hiệu ứng nâng cao, bản thân việc "học" đã gặp khó khăn vì không tồn tại dữ liệu chính xác và hơn nữa, có một vấn đề là "không thể quyết định nên sử dụng phương pháp nào trong số rất nhiều lựa chọn để dự đoán hiệu ứng nâng cao"

Khi đánh giá hiệu suất của một phương pháp dự đoán, máy học sẽ chuẩn bị riêng dữ liệu đánh giá không được sử dụng cho việc học, đồng thời so sánh kết quả dự đoán và gắn nhãn chính xác cho dữ liệu đánh giá Tuy nhiên, vì không có dữ liệu chính xác để dự đoán hiệu ứng nâng lên nên không thể sử dụng các phương pháp đánh giá chung trong học máy Do đó, khi chọn phương pháp phù hợp nhất trong số nhiều phương pháp dự đoán hiệu ứng nâng lên, thông thường, hiệu suất dự đoán của từng phương án được đánh giá chính xác nhất có thể, sau đó kết quả sẽ được so sánh và chọn lọc

Trong bài viết này, chúng tôi có một góc nhìn mới và tập trung vào thực tế là có thể chọn phương pháp tối ưu nếu biết thứ hạng của hiệu suất dự đoán và việc đánh giá thứ hạng dễ dàng hơn đánh giá hiệu suất, đồng thời đề xuất ``phương pháp phát hiện thứ hạng của hiệu suất dự đoán hiệu ứng nâng cao với độ chính xác cao''Điều này cho phép chúng tôi hỏi "Chúng tôi nên giới thiệu phương pháp dự đoán nào trong số nhiều ứng viên?"Có thể giải quyết các vấn đề thiết yếu trong ứng dụng kinh doanh với độ chính xác cao hơn


■Kỳ vọng phát triển quảng cáo
Chúng tôi dự định giới thiệu đề xuất này vào các sản phẩm phân phối quảng cáo mà chúng tôi cung cấp và các sản phẩm DX mà chúng tôi dự định phát hành trong tương lai, đồng thời dự kiến ​​sẽ đóng góp vào các hoạt động tiếp thị khác nhau nhằm xây dựng thương hiệu doanh nghiệp và tăng tỷ lệ mua hàng "soi kèo bóng đá anh 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 nhằm đưa công nghệ phân phối quảng cáo sử dụng công nghệ soi kèo bóng đá anh vào sản phẩm

※1
※2

※3

＜Thông tin＞

Bài thuyết trình của tác giả bài báo suy luận nhân quả ICML2020 (được tổ chức trực tuyến)
CyberAgent soi kèo bóng đá anh Lab thường xuyên tổ chức các buổi nghiên cứu CFML nhằm mục đích phát triển nghiên cứu và phát triển một phương pháp có tên là Học máy phản thực tế, áp dụng kiến thức về suy luận nhân quả vào học máy Vào thứ Tư, ngày 22 tháng 7 năm 2020, chúng tôi sẽ tổ chức trực tuyến "Buổi thuyết trình của tác giả bài báo suy luận nhân quả ICML2020" dành cho những soi kèo bóng đá anh quan tâm đến các bài báo liên quan đến học máy và suy luận nhân quả Bản thân các tác giả sẽ giải thích ba bài báo do tác giả Nhật Bản viết Đây là cơ hội một lần trong đời để nghe nội dung nghiên cứu của Nhật Bản liên quan đến suy luận nhân quả đã được thông qua tại ICML, một hội nghị quốc tế hàng đầu, vì vậy hãy tham gia cùng chúng tôi