【実務応用編】2022年に読むべき「機械学習/ディープラーニングの最新論文」30選

はじめに

今回は機械学習/ニューラルネットワークの一般的テクニック＆実務応用編として、ニューラルネットワークの構造最適化やアクティブラーニング、モデルの枝刈り、推薦システムへの応用などの最新論文を7本ご紹介します！著者実装が公開されているものは、その情報も併せてまとめました。論文は自動機械学習（AutoML）を専門としICMLなどのトップカンファレンスへの論文採択経験もある斉藤と、需要予測・異常検知など様々な分野で機械学習/ディープラーニングの産業応用に取り組んできた小縣が中心となってスキルアップAI講師陣にて厳選しました。ぜひ、今後の学びにご活用ください！

• An Embedding Learning Framework for Numerical Features in CTR Prediction

  • 実装のURL：なし
  • 広告のクリック率（Click-Thorough Rate: CTR）予測の新たなモデルであるAutoDisを提案
  • Embeddingと相互作用特徴量で構成されるCTRモデルにおいて、相互作用特徴量の研究は盛んではあるものの、その前段処理であるEmbeddingに関してはモデルの精度に大きく作用するにも関わらず研究はほとんどされていないのが現状
  • 実データを用いた実験で、AutoDisはベースラインである既存手法を上回る総合性能を達成

• VisRel: Media Search at Scale

  • 実装のURL：なし
  • Facebookがメディア検索システムであるVisRelを提案
  • 画像や映像などをモデルがどのように解釈させるか、メディアとクエリをどのように関連付けるかについてを解説
  • A/Bテストによる評価では、メディアとクエリの関連性を34%、ユーザエンゲージメントを10%向上させた

• We Know What You Want: An Advertising Strategy Recommender System for Online Advertising

  • 実装のURL：なし
  • Alibabaグループが用いているインターネット広告におけるターゲティングに関する論文
  • 淘宝網（Taobao）にプロトタイプのStrategy Recommendationを用いたプラットフォームを展開、その有効性を確認
  • さらにContextual Bandit Modelingを組み込むことで、効率的に学習し、レコメンドがクリックされる確率を高めている

• Preference Amplification in Recommender Systems

  • 実装のURL：なし
  • Facebookのレコメンドに関する研究
  • 十分に学習されたレコメンドシステムを利用するユーザーは「Preference Amplification」（嗜好増幅）という状態になり、ユーザはレコメンドされたコンテンツばかりを積極的に閲覧するようになる
  • これはエンゲージメント向上に繋がる一方で、レコメンド結果の多様性の欠如やエコーチャンバーを招く
  • このPreference Amplificationの悪影響を防ぐようなレコメンドシステムを提案し、実験ではユーザエンゲージメントを最大2%向上できることを示した

• Value Function is All You Need: A Unified Learning Framework for Ride Hailing Platforms

  • 実装のURL：なし
  • DiDi、Uberといったride-hailing（配車）サービスの輸送効率向上に関する論文
  • 車両の派遣や配置を効率を最大化するフレームワークであるV1D3を提案
  • V1D3はデータサイエンスコンペティションであるKDD CUP 2020 RLで1位を獲得した最新手法のスコアを上回った

• SizeFlags: Reducing Size and Fit Related Returns in Fashion E-Commerce

  • 実装のURL：なし
  • ファッション系のオンラインストアにおける電子広告に関する研究
  • オンラインストアでは、サイズが合わないことを理由とした返品が頻繁に行われるため、これを考慮したベイジアンモデルを元にしたレコメンドのモデルであるSizeFlagsを提案
  • A/Bテストや14カ国以上のオンラインストアでの評価を用いて、サイズが合わないケースの返品件数が削減できていることを確認

• A Semi-Personalized System for User Cold Start Recommendation on Music Streaming Apps

  • 実装のURL：https://github.com/deezer/semi_perso_user_cold_start
  • ストリーミングサービスを運営するDeezerが発表した、実際に運用中のレコメンドシステムに関する論文
  • レコメンドを見ていないコールドスタート状態のユーザに対して適切なレコメンドを提供する方法をDNNとユーザのクラスタリングを組み合わせて実現
  • コールドスタート状態のユーザへのレコメンドシステムの発展のために、匿名化されたデータとともにソースコードを公開している

最後に

全4回に渡って「2022年に読むべき機械学習/ディープラーニングの最新論文 30選」として、コンピュータビジョン〜実務応用までさまざまな分野の最新論文を紹介してきました。AIエンジニア/データサイエンティストとして、NeurIPSやICLR、ICMLなどと合わせてCVPRやKDDなど自分の業務に直結しそうな各種カンファレンスの採択論文を毎年フォローし、常に一次情報に触れ続けることが重要です。今回の記事を足がかりにして、ぜひ自分でもさまざまな論文を調査してみましょう！

スキルアップAIでは、深層学習の基礎から応用まで学ぶ現場で使えるディープラーニング基礎講座をはじめとして、GAN（敵対的生成ネットワーク）講座や現場で使える XAI（Explainable AI）講座を開講していますのでぜひご検討ください。
また、弊社がリリースする論文検索アプリ「ScholarPlanets」もぜひご活用ください。

25卒向け！AIエンジニアになるための長期インターンプログラム参加者募集中！

25卒学生向けに、AIの基礎を学びながら就活も一括サポートする無料カリキュラムを提供しています。
修了するとE資格の受験資格も獲得できるプログラムとなっています！

特長①AIエンジニアやデータサイエンティストの基礎が身に付く
AIジェネラリスト基礎講座や機械学習のためのPython入門講座など、市場価値向上のための基礎を習得。

特長②AI・データ分析領域の優良求人を紹介
非公開求人や選考直結型インターンをご紹介し、早期内定の獲得をサポート。

特長③長期インターンプログラム専用の学生コミュニティ参加可
学生同士で就活情報をシェアしたり、学習を進めるうえでアドバイスをしあったりできるコミュニティに参加可能。

＞＞長期インターン詳細

☆☆☆
スキルアップAIのメールマガジンでは会社のお知らせや講座に関するお得な情報を配信しています。
配信を希望される方はこちら

また、SNSでも様々なコンテンツをお届けしています。興味を持った方は是非チェックしてください♪
Twitterはこちら
Facebookはこちら
LinkedInはこちら
スキルアップAI公式YouTube AIビジネスチャンネルはこちら