株式会社サイバーエージェント（本社：東京都渋谷区、代表取締役：藤田晋、東証一部上場：証券コード4751）は、人工知能技術の研究開発組織「AI Lab」に所属する研究員の安井翔太、Yale大学および半熟仮想株式会社代表取締役の成田悠輔氏、Yale大学の矢田紘平氏による共著論文「Debiased Off-Policy Evaluation for Recommendation Systems」が、推薦システム分野の国際会議「RecSys2021」（The ACM Recommender Systems conference）※1 に採択されたことをお知らせいたします。
「RecSys」は推薦システムに関わる世界中の研究者・データサイエンティスト・エンジニアが集う国際会議で、機械学習やデータサイエンスの応用に関して「KDD」「SIGIR」※2 などと並び権威のある国際会議です。このたび「AI Lab」から採択された論文は、2021年9月に開催される「RecSys2021」で発表を行います。
■研究背景
「AI Lab」ではマーケティング全般に関わる幅広いAI技術を研究・開発しており、大学・学術機関との産学連携を強化しながら様々な技術課題に取組んでいます。
近年様々なウェブサービスにおいて、機械学習を用いた意思決定がサービスの質を左右する重要な役割を果たしています。なかでも、機械学習を利用した際に残る「意思決定のログデータ」を使ったモデルの評価・学習が、機械学習の応用において重要だと認識されています。
AI LabではYale大学の成田悠輔氏・矢田紘平氏らと、このような機械学習による意思決定の評価に対して因果推論や経済学の手法を適応する共同研究をしており、2019年にはAAAIにて共著論文を採択・発表をするなど、積極的な学術貢献を行ってまいりました。
■論文研究の概要
このような取り組みのもと、今回採択された共著論文 「Debiased Off-Policy Evaluation for Recommendation Systems 」※3 では、広告画像の推薦のように「取り扱うデータが高次元になる状況」において、機械学習を用いた意思決定アルゴリズムの性能評価方法を提案しました。
広告画像の推薦は、表示するメディアやユーザーの情報などの様々なデータを元に行うため、扱うデータが高次元となります。このような高次元データを扱う状況では、評価において重要となる変数とそうでない変数の判別が非常に難しいため、それを自動で行う機械学習を利用することが期待されていました。
しかし、単純に機械学習を用いるだけでは、最終的な評価がうまくいかないことが統計学や経済学の分野において知られており、それを解決する手段としてDouble/Debiased Machine Learning（DML）と呼ばれる手法が提案されています。
今回採択された論文では、このDMLを意思決定評価の問題に取り入れることで、高次元なデータを使った意思決定の評価において、より信頼性の高い評価を行うことを可能にしました。本研究ではこの性能の高さを理論的に証明するだけでなく、実際の広告配信のデータを利用して実験的にも確認しています。
■今後
機械学習を用いた意思決定は、ビジネスにおける機械学習応用の中心的な役割として更なる活用が期待されています。「AI Lab」では、今後も成田氏・矢田氏らとこのようなビジネス上重要な分野における研究開発と応用を行うとともに、より品質の高い広告配信技術の実現を目指し、研究・開発に努めてまいります。
※1 「RecSys2021」The ACM Recommender Systems conference
※2 「KDD」Knowledge Discovery and Data Mining
「SIGIR」International ACM SIGIR Conference on Research and Development in Information Retrieval
※3 Yusuke Narita, Shota Yasui, Kohei Yata,“Debiased Off-Policy Evaluation for Recommendation Systems”,RecSys2021
「RecSys」は推薦システムに関わる世界中の研究者・データサイエンティスト・エンジニアが集う国際会議で、機械学習やデータサイエンスの応用に関して「KDD」「SIGIR」※2 などと並び権威のある国際会議です。このたび「AI Lab」から採択された論文は、2021年9月に開催される「RecSys2021」で発表を行います。
■研究背景
「AI Lab」ではマーケティング全般に関わる幅広いAI技術を研究・開発しており、大学・学術機関との産学連携を強化しながら様々な技術課題に取組んでいます。
近年様々なウェブサービスにおいて、機械学習を用いた意思決定がサービスの質を左右する重要な役割を果たしています。なかでも、機械学習を利用した際に残る「意思決定のログデータ」を使ったモデルの評価・学習が、機械学習の応用において重要だと認識されています。
AI LabではYale大学の成田悠輔氏・矢田紘平氏らと、このような機械学習による意思決定の評価に対して因果推論や経済学の手法を適応する共同研究をしており、2019年にはAAAIにて共著論文を採択・発表をするなど、積極的な学術貢献を行ってまいりました。
■論文研究の概要
このような取り組みのもと、今回採択された共著論文 「Debiased Off-Policy Evaluation for Recommendation Systems 」※3 では、広告画像の推薦のように「取り扱うデータが高次元になる状況」において、機械学習を用いた意思決定アルゴリズムの性能評価方法を提案しました。
広告画像の推薦は、表示するメディアやユーザーの情報などの様々なデータを元に行うため、扱うデータが高次元となります。このような高次元データを扱う状況では、評価において重要となる変数とそうでない変数の判別が非常に難しいため、それを自動で行う機械学習を利用することが期待されていました。
しかし、単純に機械学習を用いるだけでは、最終的な評価がうまくいかないことが統計学や経済学の分野において知られており、それを解決する手段としてDouble/Debiased Machine Learning（DML）と呼ばれる手法が提案されています。
今回採択された論文では、このDMLを意思決定評価の問題に取り入れることで、高次元なデータを使った意思決定の評価において、より信頼性の高い評価を行うことを可能にしました。本研究ではこの性能の高さを理論的に証明するだけでなく、実際の広告配信のデータを利用して実験的にも確認しています。
■今後
機械学習を用いた意思決定は、ビジネスにおける機械学習応用の中心的な役割として更なる活用が期待されています。「AI Lab」では、今後も成田氏・矢田氏らとこのようなビジネス上重要な分野における研究開発と応用を行うとともに、より品質の高い広告配信技術の実現を目指し、研究・開発に努めてまいります。
※1 「RecSys2021」The ACM Recommender Systems conference
※2 「KDD」Knowledge Discovery and Data Mining
「SIGIR」International ACM SIGIR Conference on Research and Development in Information Retrieval
※3 Yusuke Narita, Shota Yasui, Kohei Yata,“Debiased Off-Policy Evaluation for Recommendation Systems”,RecSys2021