kèo bóng đá tây ban nha Lab chọn 3 bài báo tại ICML 2025, hội nghị hàng đầu trong lĩnh vực học máy

"Phòng thí nghiệm kèo bóng đá tây ban nha" tập trung vào nghiên cứu và phát triển nhiều công nghệ kèo bóng đá tây ban nha, đồng thời tăng cường hợp tác giữa ngành-học viện với các trường đại học và tổ chức học thuật để giải quyết các vấn đề kỹ thuật khác nhau
Đặc biệt, chúng tôi đã tích cực tham gia nghiên cứu nhắm mục tiêu vào các chiến lược ra quyết định trong các dịch vụ thực tế, chẳng hạn như phát triển công nghệ để trình bày văn bản quảng cáo phù hợp với người dùng trong quảng cáo trên Internet và phát triển công nghệ để cải thiện tính chính xác của việc xác minh tính hiệu quả nhằm cho phép đưa ra quyết định tối ưu
Ba bài báo được chấp nhận lần này đã thiết lập công nghệ để đánh giá và tìm hiểu các chiến lược ra quyết định này một cách hiệu quả hơn



「」
Tác giả: Hiroki Yanagisawa, Shunta Akiyama (CyberAgent kèo bóng đá tây ban nha Lab)

Phân tích thời gian sống sót là một phương pháp thống kê phân tích "khoảng thời gian" cho đến khi một sự kiện nhất định xảy ra Ví dụ: nó được sử dụng để dự đoán "người dùng sẽ mất bao lâu để xem quảng cáo để mua hàng" hoặc "khách hàng sẽ mất bao lâu để rời khỏi dịch vụ" Phân tích thời gian sống sót thông thường đòi hỏi các mô hình và phương pháp thống kê đặc biệt, nhưng trong bài viết này, chúng tôi đã đề xuất ý tưởng ``ước tính thời gian sống sót bằng cách sử dụng đầu ra của mô hình dự đoán phân bố xác suất chung (mật độ)'' Điều này cho phép kết hợp mô hình với nhiều phương pháp học máy hiện có khác nhau như mạng thần kinh và tăng cường độ dốc, cho phép phân tích linh hoạt hơn

「」
Tác giả: Kaito Ario (CyberAgent kèo bóng đá tây ban nha Lab), Alexandre Proutiere (Viện Công nghệ Hoàng gia KTH), Se-Young Yun (Viện Khoa học và Công nghệ Tiên tiến Hàn Quốc)

Mô hình khối ngẫu nhiên được gắn nhãn là mô hình thống kê điển hình thể hiện "nhóm ẩn (cấu trúc cộng đồng)" trong dữ liệu mạng Trong nghiên cứu này, chúng tôi đã giải quyết vấn đề khôi phục (phân cụm) các cộng đồng ẩn trong mô hình này với độ chính xác cao và phát triển một thuật toán mới có thể xử lý các mạng có quy mô đặc biệt lớn và có liên quan thưa thớt Phương pháp đề xuất không yêu cầu kiến thức trước về các tham số mô hình hoặc số lượng cụm và chi phí tính toán thấp nên có thể áp dụng cho dữ liệu quy mô lớn Hơn nữa, chúng tôi chứng minh rằng nó có hiệu suất tối ưu đạt đến giới hạn lý thuyết về số lượng nút bị phân loại sai Thuật toán này dự kiến sẽ được áp dụng cho nhiều lĩnh vực khác nhau như phân tích người dùng SNS, hệ thống đề xuất và thử nghiệm A/B

「」
Tác giả: Undral Byambadalai (CyberAgent kèo bóng đá tây ban nha Lab), Tatsushi Oka (Đại học Keio), Shota Yasui (CyberAgent kèo bóng đá tây ban nha Lab), Tomu Hirata

Nghiên cứu này đề xuất một ``cơ chế xác minh chính xác hơn tính hiệu quả của các biện pháp'' bằng cách sử dụng kỹ thuật học máy Trong kinh doanh, một phương pháp gọi là ``thử nghiệm ngẫu nhiên có kiểm soát'' (RCT) thường được sử dụng để đo lường tính hiệu quả của sản phẩm, dịch vụ hoặc chiến lược tiếp thị mới Điều này bao gồm việc chia ngẫu nhiên các đối tượng thành nhiều nhóm, áp dụng các biện pháp (phương pháp điều trị) khác nhau cho mỗi nhóm và so sánh hiệu quả Mặt khác, Ngẫu nhiên thích ứng đồng biến, phân chia các nhóm dựa trên đồng biến, cũng được sử dụng để ngăn những người có đặc điểm tương tự tập trung vào một nhóm cụ thể, gây khó khăn cho việc đo lường hiệu quả một cách chính xác Chúng tôi đã đề xuất một phương pháp ước tính Hiệu quả xử lý phân bổ, thể hiện sự phân bổ hiệu ứng, trong các tình huống mà các thí nghiệm phức tạp như vậy đang được tiến hành Chúng tôi xác nhận rằng độ chính xác của phương pháp đề xuất đã được cải thiện khoảng 50% so với phương pháp thông thường Chúng tôi hy vọng rằng điều này sẽ cho phép chúng tôi hiểu chính xác tác động của các biện pháp và sản phẩm, đồng thời củng cố cơ sở cho các quyết định chiến lược

Kết quả của những nghiên cứu này sẽ được sử dụng để xác minh tính hiệu quả của các biện pháp và cải thiện việc ra quyết định trong kinh doanh'', quảng cáo sản phẩm trên phương tiện truyền thông bán lẻ, nền tảng phát video, vv
"Phòng thí nghiệm kèo bóng đá tây ban nha" sẽ tiếp tục kết hợp công nghệ kèo bóng đá tây ban nha vào các sản phẩm để giải quyết các vấn đề kinh doanh và xã hội, đồng thời sẽ tiếp tục nỗ lực nghiên cứu và phát triển để đóng góp cho sự phát triển công nghệ và học thuật



※1：
※2：
※3：
ICML 2024(Thông cáo báo chí)
ICML 2023(Thông cáo báo chí）
ICML 2022(Thông cáo báo chí）
ICML 2021(Thông cáo báo chí）
ICML 2020(Thông cáo báo chí）