AI Lab, bài báo chính được chấp nhận tại RecSys 2023, soi kèo cảm bóng đá nghị hàng đầu trong lĩnh vực hệ thống khuyến nghị

CyberAgent Co, Ltd (Trụ sở chính: Shibuya-ku, Tokyo, Giám đốc đại diện: Susumu Fujita, TSE Prime Market: Mã chứng khoán 4751) là tác giả chính của bài báo ``Nhanh chóng và bất khả tri'' của các nhà nghiên cứu Yoji Tomita, Riku Togashi và Naoto Osaka, những người thuộc tổ chức nghiên cứu và phát triển công nghệ trí tuệ nhân tạo "AI Lab" và Yuriko Hashizume thuộc tổ chức trụ sở truyền thông của công ty Trung tâm Khoa học Dữ liệu "Khuyến nghị đối ứng trong các thị trường phù hợp" sẽ được tổ chức tại "RecSys 2023" (soi kèo cảm bóng đá nghị ACM về Hệ thống khuyến nghị), một soi kèo cảm bóng đá nghị quốc tế trong lĩnh vực hệ thống khuyến nghị※1

``RecSys'' là soi kèo cảm bóng đá nghị quốc tế nơi các nhà nghiên cứu, nhà khoa học dữ liệu và kỹ sư từ khắp nơi trên thế giới liên quan đến hệ thống đề xuất soi kèo cảm bóng đá tụ, đồng thời ``KDD'' và ``SIGIR'' thảo luận về các ứng dụng của máy học và khoa học dữ liệu※2
Nội dung được chọn từ “AI Lab” sẽ được công bố tại “RecSys 2023” được tổ chức tại Singapore vào tháng 9 năm 2023



■Nền
※3, ở Thành phố TamaCải thiện quy tắc điều chỉnh việc sử dụng trường mẫu giáo

Nghiên cứu này đề xuất một phương pháp đề xuất thực tế hơn để thiết lập các đề xuất trên các nền tảng phù hợp và đã xác minh tính hiệu quả của phương pháp được đề xuất thông qua các thử nghiệm mô phỏng

Trong hệ thống đề xuất lẫn nhau, có hai điểm quan trọng: đảm bảo rằng đề xuất được đưa ra khi cả người dùng nhận được kết quả đề xuất và người dùng được đề xuất đều quan tâm đến nhau và đảm bảo rằng cơ soi kèo cảm bóng đá đề xuất không quá tập trung vào một số ít người dùng phổ biến Người ta đã chỉ ra rằng các phương pháp được sử dụng rộng rãi trong thực tế có tính đến sự trùng hợp về lợi ích giữa những người dùng ở điểm đầu tiên, nhưng không thể tránh khỏi việc tập trung cơ soi kèo cảm bóng đá giới thiệu giữa những người dùng phổ biến ở điểm thứ hai Mặt khác, các phương pháp hiện có nhằm tối đa hóa tổng số lượng đối sánh trên một nền tảng bằng cách xem xét hai điểm trên đã khó triển khai trong thực tế vì chúng không thể được tính toán trên thang số lượng người dùng trong một dịch vụ thực tế và dựa vào giả định về một dạng hàm không thể quan sát được trong mô hình nhấp chuột của người dùng



■Tóm tắt bài viết
Nghiên cứu này đã được giới thiệu trong “RecSys 2022” năm ngoáiNghiên cứu được chọn làm Buổi nói chuyện trong ngành, lý thuyết so khớp※4Được biết đến bởiPhương pháp đề xuất lẫn nhau đưa ra đề xuất dựa trên Phù hợp với Tiện ích có thể chuyển nhượng

Phương pháp được đề xuất đưa ra các đề xuất có tính đến hai vấn đề nêu trên, đồng thời so sánh với các phương pháp hiện cóPhương pháp đề xuất lẫn nhau thực tế hơn vì có thể tính toán nhanh chóng và không phụ thuộc vào dạng chức năng của một mô hình nhấp chuột cụ thể

Thông qua các thử nghiệm mô phỏng sử dụng dữ liệu nhân tạo thực tế và dữ liệu từ các dịch vụ thực, chúng tôi đã xác minh rằng có thể tính toán các tập dữ liệu thậm chí còn lớn hơn các phương pháp hiện có và nó có hiệu suất tương đương hoặc tốt hơn các phương pháp hiện có xét về tổng số kết quả phù hợp trên nền tảng
(Link bài viết:）



■Tương lai
Phương pháp được đề xuất trong nghiên cứu này có thể được áp dụng rộng rãi cho các nền tảng phù hợp thực hiện đề xuất lẫn nhau, chẳng hạn như ứng dụng đối sánh "Tapple" do công ty con hợp nhất của chúng tôi, Tapple Co, Ltd※5"AI Lab" sẽ tiếp tục nỗ lực nghiên cứu và phát triển với mục tiêu tạo ra công nghệ AI giúp tăng sự hài lòng của người dùng đối với các dịch vụ web




※1　
※2　
　　　
※3　
※4 Lý thuyết so khớp: Một lĩnh vực xem xét cách kết hợp hai nhóm người một cách thích hợp, có tính đến sở thích của họ và số lượng trùng khớp tối đa
※5