Croudsourcing กุญแจสู่ผู้ชนะการประกวด Netflix

หากคุณผัดวันประกันพรุ่งหลังจากทำงานไปสามชั่วโมง ลองจินตนาการว่ามันยากแค่ไหนที่จะกลับมาทำโปรเจ็กต์ต่อไปตลอดระยะเวลาสามปี

นั่นคือสิ่งที่วิศวกร นักวิจัย และนักวิทยาศาสตร์เจ็ดคนจากทั่วโลกพยายามปรับปรุงอัลกอริทึมการแนะนำภาพยนตร์ของ Netflix อย่างน้อย 10 เปอร์เซ็นต์ และความขยันหมั่นเพียรของพวกเขาได้รับผลตอบแทนเมื่อไม่นานมานี้ เมื่อบริษัทให้เช่าภาพยนตร์มอบเงิน 1 ล้านเหรียญสหรัฐให้กับทีม Pragmatic Chaos ของ BellKor

ทีมส่งสูตรสุดท้ายประมาณ 20 นาทีก่อนที่การแข่งขันจะสิ้นสุดในปลายเดือนกรกฎาคม โดยเอาชนะคู่แข่งที่ใกล้ชิดอย่าง The Ensemble มีผู้เข้าชิงรางวัลมากกว่า 50,000 คนตลอดระยะเวลาการแข่งขันสามปี

วิธีการสู่ความบ้าคลั่ง

Pragmatic Chaos ของ BellKor เป็นการผสมผสานระหว่างสามทีม (BellKor, PragmaticTheory และ Big Chaos) ที่ร่วมมือกันเพื่อส่งผลงานเข้าแข่งขันให้เสร็จสิ้น สมาชิกคือ: Bob Bell และ Chris Volinsky จากแผนกวิจัยสถิติของ AT&T research; Andreas Töscher และ Michael Jahrer นักวิจัยด้านการเรียนรู้ของเครื่องและผู้ก่อตั้ง

Pragmatic Chaos ของ BellKor กลายเป็นทีมแรกที่ทำได้เกิน 10 เปอร์เซ็นต์ในเดือนมิถุนายน ซึ่งทำให้เกิดช่วง 30 วันซึ่งผู้เข้าแข่งขันคนอื่นๆ จะพยายามเอาชนะคะแนนของตนได้ ทีมคู่แข่งอย่าง The Ensemble ได้ส่งวิธีแก้ปัญหาในช่วงปลายเดือนกรกฎาคมเพียงไม่กี่นาทีก่อนถึงเส้นตาย ผลงานที่ชนะของ BellKor ได้ปรับปรุงระบบที่มีอยู่ของ Netflix ขึ้น 10.06 เปอร์เซ็นต์

ความพยายามที่จะสร้างการลดลงร้อยละ 10 ในค่าความผิดพลาดรากเฉลี่ยกำลังสอง (RMSE) ของข้อมูลการทดสอบ เมื่อเปรียบเทียบกับ Cinematch ซึ่งเป็นเทคโนโลยีที่ Netflix ใช้เพื่อแนะนำภาพยนตร์แก่สมาชิกในปัจจุบัน โดยอาศัยการทำงานร่วมกัน การกรอง วิธีการนี้จะพิจารณาพฤติกรรมที่ผ่านมาของผู้ใช้ที่มีรูปแบบการให้คะแนนเดียวกันเพื่อกำหนดการคาดการณ์สำหรับผู้ใช้รายอื่น ด้วยการใช้ชุดข้อมูลภาพยนตร์หนึ่งล้านเรื่อง Pragmatic Chaos ของ BellKor ทำงานอัลกอริธึมและดึงเอา "ความหลากหลาย ของแบบจำลองที่เสริมข้อบกพร่องของกันและกัน” ตามรายงานฉบับหนึ่งที่ตีพิมพ์โดยทีมงาน เบลล์ก.

รวมถึงโมเดลเพื่อนบ้านที่ใกล้ที่สุด (ซึ่งระบุคู่ของรายการที่มีแนวโน้มว่าผู้ใช้จะให้คะแนนในทำนองเดียวกัน) ทำนายการให้คะแนนสำหรับรายการที่ไม่มีการจัดอันดับ) และปัจจัยแฝง (ซึ่งจะตรวจสอบคุณสมบัติที่ซ่อนอยู่ซึ่งอธิบายสิ่งที่สังเกตได้ การให้คะแนน) ทีมงานยังตรวจสอบเบื้องหลังเรตติ้งเพื่อค้นหาข้อมูลเพิ่มเติม เช่น ภาพยนตร์ที่บุคคลนั้นให้คะแนน

ทีมงานสามารถระบุได้ว่า:

• ผู้ชมใช้เกณฑ์ที่แตกต่างกันในการให้คะแนนภาพยนตร์ที่พวกเขาดูเมื่อนานมาแล้วเปรียบเทียบกับภาพยนตร์ที่พวกเขาดูเมื่อเร็ว ๆ นี้ และ
• ภาพยนตร์บางเรื่องดูเหมือนจะเติบโตตามผู้ชมตามเวลา และผู้ชมให้คะแนนภาพยนตร์แตกต่างกันในแต่ละวันของสัปดาห์

ทีมงานใช้ข้อมูลนั้นสร้างแบบจำลองสามมิติที่เน้นว่าเวลาส่งผลต่อความสัมพันธ์ระหว่างผู้คนกับภาพยนตร์อย่างไร

ชุดค่าผสมที่ชนะ

แม้ว่าวิธีการที่อยู่เบื้องหลังการแก้ปัญหาจะมีความสำคัญ แต่สิ่งที่น่าสนใจยิ่งกว่านั้นก็คือข้อบ่งชี้ของการแข่งขันที่ว่าการระดมทุนจากมวลชนสามารถให้ผลลัพธ์ที่ดีกว่าการค้นหาภายในองค์กร

Chris Volinsky จากทีม BellKor's กล่าวว่า Netflix ดำเนินการอย่างชาญฉลาดโดย "ตระหนักว่ามีชุมชนการวิจัยที่ทำงานเกี่ยวกับโมเดลประเภทนี้และกระหายข้อมูลมาก

“Netflix มีข้อมูล แต่มีเพียงไม่กี่คนที่กำลังแก้ไขปัญหานี้” เขากล่าว “รางวัลเชื่อมโยงทั้งสองในลักษณะที่ละเอียดอ่อนต่อข้อมูลที่เป็นกรรมสิทธิ์ของพวกเขา…โมเดลนี้ ใช้ไม่ได้กับทุกโดเมน — มันใช้ได้ผลที่นี่เพราะข้อมูลน่าสนใจและน่าสนใจ หัวข้อ. ทุกคนสามารถเกี่ยวข้องกับภาพยนตร์ได้ การแข่งขันที่คล้ายกัน เช่น การแปลภาษาอัตโนมัติ อาจไม่สร้างความหลงใหลมากนัก”

Andreas Töscher ซึ่งเดิมมาจากทีม Big Chaos ตกลงกันว่าจะมีการแข่งขันเช่น Netflix มากขึ้น เขาพูดถึงธรรมชาติอันห่างไกลของประสบการณ์การระดมทุนโดยเฉพาะของทีมของเขา — ก่อนวันจันทร์ เขาไม่ได้พูดคุยกับเพื่อนร่วมทีมเลย ไม่ต้องพูดถึงพวกเขาเลย “เป็นการดีที่ได้พบกับทีมที่เหลือ หลังจากทำงานร่วมกันมากว่าครึ่งปี เราไม่เคยได้รับโทรศัพท์ จากมาร์ตินและมาร์ติน เราไม่ได้เห็นภาพจนกระทั่งหนึ่งสัปดาห์ที่แล้ว”

Martin Chabbert ซึ่งเดิมเป็นส่วนหนึ่งของทีม PragmaticTheory กล่าวว่าในขณะที่การมุ่งเน้นไปที่การแข่งขันเป็นเรื่องยาก ในการจัดการงานและความรับผิดชอบต่อครอบครัว การหลีกเลี่ยงการเข้าสู่ระบบคอมพิวเตอร์เพื่อทดสอบแนวคิดใหม่ๆ เป็นเรื่องยากขึ้น โครงการ. แม้ว่าภูมิหลังด้านวิศวกรรมของเขาจะช่วยในความพยายามของทีม แต่การไม่จมอยู่กับแง่มุมทางทฤษฎีของงานก็ช่วยได้เท่าเทียมกัน

“ฉันคิดว่าคุณสมบัติที่สำคัญอย่างหนึ่งในการประสบความสำเร็จในสาขานี้คือความสามารถในการแปลสัญชาตญาณเกี่ยวกับพฤติกรรมของมนุษย์ให้กลายเป็นแบบจำลองทางคณิตศาสตร์และอัลกอริทึมจริง” Chabbert กล่าว “ผู้คนจำนวนมากมีความคิดว่าอะไรควรถูกจับ แต่สิ่งสำคัญคือการหาวิธีที่เหมาะสมในการจับภาพนั้น ฉันเชื่อว่าเราทำได้ดีในเรื่องนั้น นอกจากนี้ เราไม่ได้มาจากพื้นฐานทางวิชาการ เราจึงมุ่งเน้นไปที่งานที่ทำอยู่มากกว่า พยายามค้นหาสิ่งที่มีพื้นฐานทางทฤษฎีหรือจำเป็นต้องทำให้ส่วนรวมก้าวหน้า ศาสตร์."

พ่อของลูกสี่คนกล่าวว่าสมาชิกแต่ละคนในทีมของเขานำสิ่งที่มีส่วนทำให้คะแนนชนะมาด้วยอย่างแน่นอน อัลกอริธึมและเอกสารของสมาชิกทีม BellKor Yehuda Koren มีความสำคัญสูงสุด ในขณะที่การจัดการแบบจำลองและชุดการทำนายทั้งหมดของ BigChaos ที่มาจากทีมย่อยแต่ละทีมได้รับการพิสูจน์แล้ว Chabbert และ Martin Piotte ให้เครดิตแนวทาง "เชิงปฏิบัติ" ของพวกเขาในการสร้างสรรค์โมเดลและการผสมผสานแบบดั้งเดิมที่หลากหลาย

Volinsky กล่าวว่าองค์กร AT&T IP เป็นเจ้าของทรัพย์สินทางปัญญาของสิ่งประดิษฐ์จากคู่แข่ง แต่จะพิจารณามองหาโอกาสในการออกใบอนุญาตจากภายนอก เพื่อนร่วมทีมทั้งสามคนบอกว่าพวกเขาจะพิจารณาเข้าร่วม การแข่งขันครั้งที่สองของ Netflixซึ่งจะเน้นไปที่การสร้างโปรไฟล์รสนิยมสำหรับผู้ใช้แต่ละรายโดยพิจารณาจากข้อมูลประชากรและการใช้งาน

Lauren Fritsky เป็นนักเขียนอิสระและบล็อกเกอร์มืออาชีพที่อยู่นอกฟิลาเดลเฟีย ผลงานของเธอปรากฏในหนังสือพิมพ์และนิตยสารหลายฉบับ และบนเว็บไซต์ต่างๆ เช่น AOL และ CNN

คำแนะนำของบรรณาธิการ

• ข้อเสนอ Netflix ที่ดีที่สุด: ดูต้นฉบับ Netflix ล่าสุดได้ฟรี
• Netflix มีค่าใช้จ่ายเท่าไร? รายละเอียดของแผนของสตรีมเมอร์
• วิธีดู Netflix ใน 4K บนอุปกรณ์ใดก็ได้
• Soundbar ปี 2023 ของ TCL มีราคาไม่แพง แต่ไม่มีคุณสมบัติหลัก
• จ่ายเงิน! Netflix เริ่มปราบปรามการแชร์บัญชีในสหรัฐอเมริกา

อัพเกรดไลฟ์สไตล์ของคุณDigital Trends ช่วยให้ผู้อ่านติดตามโลกแห่งเทคโนโลยีที่เปลี่ยนแปลงไปอย่างรวดเร็วด้วยข่าวสารล่าสุด รีวิวผลิตภัณฑ์สนุกๆ บทบรรณาธิการที่เจาะลึก และการแอบดูที่ไม่ซ้ำใคร