xem kèo bóng đá hôm nay, bài báo được chấp nhận tại hội nghị hàng đầu trong lĩnh vực học máy "KDD 2022" - Đề xuất phương pháp cải thiện vấn đề độ trễ quan sát trong học máy -

CyberAgent Co, Ltd (Trụ sở chính: Shibuya-ku, Tokyo, Giám đốc đại diện: Susumu Fujita, TSE Prime Market: Mã chứng khoán 4751) đã thông báo rằng bài báo ``Bộ phân loại học tập theo phản hồi bị trì hoãn với giả định cửa sổ thời gian'' do Shota Yasui và Masahiro Kato đồng tác giả, các nhà nghiên cứu liên kết với tổ chức nghiên cứu và phát triển công nghệ trí tuệ nhân tạo ``xem kèo bóng đá hôm nay'' sẽ được xuất bản tại hội nghị quốc tế KDD trong lĩnh vực học máy 2022” (Hội nghị ACM SIGKDD về Khám phá tri thức và khai thác dữ liệu※1)

``KDD'' là hội thảo quốc tế được tổ chức hàng năm bởi các nhà nghiên cứu từ khắp nơi trên thế giới và ``AAAI※2” “NeurIPS※3” “ICML※4", đây là một trong những hội nghị có thẩm quyền hàng đầu trong lĩnh vực học máy Các bài báo được xem kèo bóng đá hôm nay chấp nhận sẽ được trình bày tại KDD 2022, được tổ chức vào tháng 8 năm 2022


■Bối cảnh nghiên cứu
Trong những năm gần đây, việc thu thập và sử dụng dữ liệu nhờ quảng cáo DX đã tăng tốc trong nhiều ngành khác nhau và do đó, việc giới thiệu xem kèo bóng đá hôm nay đang mở rộng ở nhiều doanh nghiệp Đặc biệt, dữ liệu dự đoán hành vi người dùng thu được thông qua DX được coi là quan trọng trong các hoạt động tiếp thị như nhắm mục tiêu và cá nhân hóa truyền thông, và công ty chúng tôi cũng vậyKinh doanh xúc tiến DX cho ngành bán lẻ, chính phủ và tài chính, chúng tôi đã tích cực tiến hành nghiên cứu và phát triển nhằm cải thiện độ chính xác của dự đoán hành vi


●Giới thiệu về vấn đề trễ dữ liệu (Phản hồi bị trì hoãn)
Bằng cách dự đoán hành vi của người dùng chẳng hạn như khi mua sản phẩm, việc tiếp thị hiệu quả hơn sẽ trở nên khả thi, nhưng khi thực sự tìm hiểu mô hình dự đoán mua hàng, độ trễ dữ liệu (Phản hồi bị trì hoãn) sẽ trở thành một vấn đề

Khi tìm hiểu mô hình dự đoán mua hàng của người dùng, chúng tôi đặt lịch sử hành vi và lịch sử mua hàng của người dùng tại một thời điểm nhất định và thu thập dữ liệu đào tạo làm cơ sở cho việc học Tuy nhiên, khi tổng hợp dữ liệu này, ``người dùng ban đầu đã mua nhưng chưa mua tại thời điểm dữ liệu giáo viên được thu thập'' được coi là ''người dùng chưa mua'' trong dữ liệu giáo viênSự cố được gọi là gắn nhãn saisẽ xảy ra
Nếu không thực hiện hành động nào để chống lại điều này, mô hình dự đoán sẽ có xu hướng đưa ra các dự đoán thấp hơn xác suất mua hàng ban đầu, dẫn đến giảm độ chính xác của dự đoán

■Tổng quan nghiên cứu
AILab sẽ đạt được điều này bằng cách áp dụng các phương pháp suy luận nhân quả vào năm 2020Đề xuất phương pháp cải thiện vấn đề dán nhãn sai do trễ dữ liệu (Phản hồi bị trì hoãn)Tôi đã làm vậy Tuy nhiên, phương pháp này yêu cầu phải ước tính trước xác suất xảy ra việc dán nhãn sai và vẫn còn chỗ để cải tiến về mặt lý thuyết

Dựa trên nền tảng này, bài báo đã được chấp nhận lần này “」※5, về mặt lý thuyết, chúng tôi đã giải quyết được vấn đề gắn nhãn sai do phản hồi dữ liệu bị trì hoãn (Phản hồi bị trì hoãn) và đề xuất một phương pháp để cải thiện vấn đề đó

Trong bài viết này, chúng tôi đã xác định sự khác biệt giữa tình huống dữ liệu lý tưởng không có nhãn sai và tình huống dữ liệu thực tế có nhãn sai vàBằng cách sử dụng công thức sai phân để điều chỉnh việc học trên dữ liệu thực tế có nhãn sai, có thể dự đoán trong trường hợp lý tưởng mà không bị gắn nhãn saiNgoài ra, đối với các vấn đề học tập xảy ra khi thực hiện các chỉnh sửa đó,Có sẵn kỹ thuật học bán giám sát


■Tương lai
Phương pháp đề xuất trong nghiên cứu này dự kiến sẽ được áp dụng vào nhiều sản phẩm khác nhau sử dụng tính năng dự đoán hành vi của người dùng và dự kiến sẽ cải thiện hiệu suất trong phân phối quảng cáo, CRM, vv dựa trên dự đoán hành vi của người dùng "xem kèo bóng đá hôm nay" sẽ tiếp tục nỗ lực nghiên cứu và phát triển nhằm đưa công nghệ AI vào các sản phẩm nhằm giải quyết các vấn đề kinh doanh


※1 
※2 Hiệp hội vì sự tiến bộ của trí tuệ nhân tạo "AAAI"
※3 Hệ thống xử lý thông tin thần kinh “NeurIPS”
※4 Hội nghị quốc tế về học máy “ICML”
※5