视频:内容个性化的监督机器学习的利弊
了解更多关于真实世界的视频指标 流媒体的下一个事件.
阅读这段录音的完整文本:
拉法Hosn: 我们来谈谈个性化的互动学习. 让我们以内容场景为例. 这是保罗. 保罗喜欢先浏览新闻,然后再做每周的白日梦. 另一方面,苏珊喜欢在打电话给客户之前浏览商业新闻.
问题是,为什么这两个兴趣迥异的人会看到同样的内容? 我们应该能够为每个人个性化. 第二个问题, 最常出现的是什么, 如果你正在个性化的内容,不断变化在你的脚下, 你是怎么做到的? 一个好的个性化服务是一个不断适应内容和上下文变化的服务.
在机器学习领域,人们如何做到这一点? 在进行个性化机器学习的人们中,最常见的方法是使用监督学习范式. 在监督学习范例中,您从一个训练示例开始. 然后你花了几百万美元给这些东西贴上标签. 你把他们塞进多种监督式学习者中. 这就产生了一个分类器,如果你用数字训练它,你就可以实时给出一个数字. 为了一定的准确性,它会给你那个数字.
监督学习效果很好. 它是语音识别、Siri、Alexa和Google 首页。的基础技术. 所有这些都来自于监督学习:图像网,图像识别,人脸api. 所有这些都是一个好的监督学习算法的结果.
新闻怎么样?? 如果你想个性化任何类型的内容呢, 比如新闻, 视频, 播放列表, 你要努力使商业成果最大化? 假设在这种情况下,您对点击率感兴趣. 要构建一个监督学习器,需要收集一些用户文章点击信息. 你建立了一个特性集,学习如何根据用户和文章预测点击. 在大多数公司中,您将其部署在A/B测试中. 然后就失败了. 问题是,为什么我的A/B测试失败了?
那么,哪里出了问题呢? 第一个问题:拉法对加拿大感兴趣吗? 如果你从来没有在我最喜欢的网站上提供加拿大的新闻, 你没有关于我点击有关加拿大的新闻文章的历史数据. 你的监督学习器从来没有见过这个例子, 如果你在用历史数据进行训练, 答案是否定的, 但我是加拿大人,我关注加拿大新闻, 所以你必须有正确的信号才能得到正确的答案. 这非常重要,尤其是当你在历史数据上进行训练时.
另一个出错的地方是当你创建基于历史数据的监督学习模型时. 顺便说一下,这是真实的数据,来自我们的一个合作伙伴. 第一天训练的模型到第二天就会失去一半的价值, 尤其是当内容在你脚下不断变化的时候,因为, 再一次。, 你在用历史数据进行训练. 除非你不断地重新贴标签和重新培训,否则这些模型会随着时间的推移而失去价值.
相关文章
sechange International高级副总裁, Mark Tubinis演示了如何在2018年流媒体西部视频中使用丰富的元数据进行OTT个性化.
4月24日2019
sechange International高级副总裁, Mark Tubinis讨论了管理创建个性化OTT体验所需数据的难度.
4月22日2019
在2018年流媒体西部OTT领导力峰会上,Ownzones首席技术官Aaron Sloman讨论了Ownzones如何通过大数据分析为其企业视频客户提供价值.
2019年3月11日
contentwise副总裁, Ronato Bonomini在2018年流媒体西部OTT领导力峰会上讨论了OTT个性化策略.
2019年3月8日
詹森·霍夫曼报道, Citrix的Josh Gray说, 和REELY的Cullen Gallagher讨论了2018年流媒体东部培训人工智能系统的最佳实践.
11月12日2018
在2018年流媒体西部大会上,谷歌的马修·洛兰(Matthieu Lorrain)对人工智能的风险提出了警告.
11月8日2018
RealEyes技术总监Jun Heider讨论了内部自我评估的重要性,以及在选择视频人工智能平台时要考虑的用例元素.
11月1日2018
RealEyes Media技术总监Jun Heider在2018年东流媒体大会的视频片段中指出了人工智能平台领域的主要参与者.
10月29日2018
RealEyes技术总监Jun Heider在2018年流媒体东部会议上的演讲中概述了选择人工智能平台的第一步.
25 Oct 2018
微软首席产品经理Rafah Hosn将强化学习作为内容个性化的机器学习范例.
2018.10.22
微软首席产品经理Rafah Hosn解释了微软的机器学习驱动的决策服务如何帮助品牌瞄准观众并提高参与度.
10月15日2018
Comcast技术解决方案架构师Ribal Najjar从主观体验和定性测量两方面定义了视频QoE.
2018年10月8日
虹膜.电视的首席执行官 & 联合创始人讨论虹膜.电视帮助传统媒体公司捕获和利用受众数据和机器学习的方法.
04 Oct 2018
甘尼特高级总监卡拉·切尔斯讨论了《百家乐软件》如何利用虹膜.电视和数据本地化和个性化他们的2018年冬季奥运会报道在流媒体东部2018剪辑.
1 Oct 2018
ZoneTV的Tom Sauer描述了机器学习如何被用来彻底改变电视世界,并在2018年流媒体东部的这段视频中提供更多个性化的体验.
9月27日2018
REELY首席执行官卡伦·加拉格尔(Cullen Gallagher)在2018年东流媒体会议上为内容所有者制定人工智能战略提供了业务增长案例.
2018年9月24日
IBM Watson Media的David Clevinger在2018年流媒体东部的这段视频中讨论了媒体实体目前如何使用视频人工智能.
9月20日2018
Citrix首席架构师Josh Gray在流媒体东2018的这个剪辑中解释了视频如何实现更高灵敏度的指标分析.
2018年9月17日
Limelight架构副总裁Jason Hofmann在流媒体东部2018的这个剪辑中讨论了AI如何影响内容交付优化.
2018年9月13日
Citrix的Josh Gray提供了关于人工智能模型开发的提示,Reality Software的Nadine Krefetz和IBM的David Clevinger在2018年流媒体东部的这段视频中推测了元数据即服务的可能性.
2018年9月10日
谷歌的Leonidas Kantothanassis在他的内容交付峰会主题演讲中探讨了机器学习在媒体工作流程和供应变化中的广泛应用.
2018年2月19日
提及的公司及供应商