サービスニュース

AI Lab、Web・データマイニング分野のトップカンファレンス「The Web Conference 」にて共著論文採択 ー推薦のための高速・高精度なランキング学習を可能にする手法を提案ー

広告

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富樫陸・加藤真大・大谷まゆ、ならびにアドバイザーであり、画像・映像検索研究における第一人者の佐藤真一氏らによる共著論文が、Web分野の国際会議「The Web Conference 2021」※1 にて本採択されたことをお知らせいたします。

「The Web Conference(通称WWW)」はコンピュータサイエンス・経済学・機械学習から政策まで多くの研究分野の視点から研究発表が行われており、Web・データマイニング分野における権威ある国際学会の一つです。2021年度は採択率がおよそ21%と難易度の高い年となり、この度「AI Lab」から採択された論文は、2021年3月にオンラインで開催される「The Web Conference 2021」で発表されます。 


■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むとともに、産学連携によって培ってきた技術を当社のビジネス課題と結びつけるような、より実践的な研究開発を行ってまいりました。
近年、インターネット広告を含め様々なウェブサービスにおいて、ユーザー毎に好まれる配信コンテンツや広告を高精度に予測する技術は、ユーザーの満足度を左右する重要な役割を果たしています。
しかし、インターネットの普及に伴うユーザーや配信コンテンツの急激な増加により、効果予測システムの学習・予測にコストがかかるという問題が生じています。

このような課題から、大量のユーザー・配信コンテンツに対する効果予測の技術的課題解決を行う領域が注目を集めており、当社ではこれまで佐藤真一氏との産学連携のもと、推薦システムに関する共著論文が「WSDM 2021」に採択されるなど、積極的に共同研究に取組んでまいりました。


■論文研究の概要
今回採択された共著論文「Density-Ratio Based Personalised Ranking from Implicit Feedback ※2」では、推薦のための密度比推定に基づくランキング学習手法を開発し提案しました。

・ランキング学習手法の課題
一般的に、様々なサービスにおける推薦システムの開発ではランキング学習(Learning to rank)という機械学習技術が広く用いられています。そしてランキング学習の手法は、それぞれのコンテンツに対して個別に効果を予測し学習する「ポイントワイズ学習」と、複数のコンテンツを比較しながらモデルを学習する「ペアワイズランキング学習」の2つのアプローチが主流です。

それぞれの特徴として、ポイントワイズ学習は「学習速度が速いが、予測精度が低い」、反対にペアワイズランキング学習は「学習に時間がかかるが、予測精度が高い」という点があります。大規模なデータを使った推薦システムにおいては、高い予測性能に加えて学習の速さが求められますが、これまで双方のバランスに優れる手法が少ないという課題がありました。

・提案手法
本研究では、クリックや購買などの履歴データを活用した半教師あり学習手法を提案しています。今回新たに提案した学習手法は、ポイントワイズ学習の特長である学習速度の速さを保ちながら、さらにペアワイズランキング学習と同等かそれ以上の予測性能の高さを実現しました。これにより、従来よりも効率的に大量のデータを学習することが可能になり、推薦システムのさらなる性能向上が期待されます。


▼新たに提案した学習手法の「学習速度と性能」のイメージ 
従来の手法よりも学習速度が高速化され(左図)、ランキングの予測性能が高くなった(右図)。
さらにこの提案手法は、大規模データを用いた学習に必須である「オンライン学習」に対応しており、深層学習を使った推薦モデルの学習においても有効性が確認されています。


■今後
今回の提案手法は、学習に時間や計算コストがかかる複雑な深層モデルを推薦システムに導入するための、基盤技術となります。これにより、広告クリエイティブに含まれる画像やテキストの活用における開発効率の向上が期待されます。「AI Lab」は今後もAI技術を取り入れた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 「The Web Conference 2021」
※2  Riku Togashi,Masahiro Kato,  Mayu Otani, Shin'ichi Satoh. "Density-Ratio Based Personalised Ranking from Implicit Feedback"