我們正處于大數(shù)據(jù)和數(shù)字化轉(zhuǎn)型的時(shí)代。數(shù)據(jù)無(wú)處不在，運(yùn)用數(shù)據(jù)驅(qū)動(dòng)的思想和策略在實(shí)踐中逐漸成為共識(shí)，數(shù)據(jù)的價(jià)值已在科學(xué)研究和工商業(yè)的不同領(lǐng)域得到充分展現(xiàn)。然而，如果無(wú)法從數(shù)據(jù)中提取出知識(shí)和信息并加以有效利用，數(shù)據(jù)本身并不能驅(qū)動(dòng)和引領(lǐng)數(shù)字化轉(zhuǎn)型取得成功。如何讓數(shù)據(jù)發(fā)揮它最大的價(jià)值？“數(shù)據(jù)智能”(Data Intelligence)應(yīng)運(yùn)而生。
然而，技術(shù)的不斷發(fā)展終究要服務(wù)于現(xiàn)實(shí)生活，海量數(shù)據(jù)背后那些未被挖掘的價(jià)值，需要企業(yè)不斷挖掘并樂(lè)于分享才能真正促進(jìn)行業(yè)轉(zhuǎn)型，才能賦能各種應(yīng)用場(chǎng)景。日前，由MobTech MobAI團(tuán)隊(duì)基于Spark自研的因子分解機(jī)(Factorization Machine，簡(jiǎn)稱FM)模型已得到Spark merge，Spark使用者只要更新Spark后，即可使用該模型。
Apache Spark是一個(gè)互聯(lián)網(wǎng)行業(yè)普遍使用的開(kāi)源大數(shù)據(jù)分布式編程框架，借助Catalyst、新的混排方法、新的網(wǎng)絡(luò)模塊等，獲得了超越MapReduce框架的性能，也提供了豐富的API接口。截至2015年年底，Spark是所有大數(shù)據(jù)項(xiàng)目中最活躍的開(kāi)源項(xiàng)目。如今，許多公司使用Spark，包括亞馬遜、Autodesk、Groupon、TripAdvisor，百度、阿里巴巴和騰訊、微軟等國(guó)內(nèi)外一流互聯(lián)網(wǎng)公司都在使用。
而FM模型自從2010年被提出后，由于易于整合交叉特征、能夠有效解決高維數(shù)據(jù)特征組合的稀疏問(wèn)題且具有較高的預(yù)測(cè)精度和計(jì)算效率，在推薦系統(tǒng)及廣告CTR預(yù)估等領(lǐng)域得到了大規(guī)模使用，國(guó)內(nèi)很多大廠(如美團(tuán)、頭條等)都用它來(lái)做推薦及CTR預(yù)估。在數(shù)據(jù)稀疏的情況(如CTR預(yù)測(cè))下，F(xiàn)M模型展現(xiàn)出非常高的預(yù)測(cè)質(zhì)量，被提出后迅速成為學(xué)術(shù)界和行業(yè)研究和應(yīng)用的熱點(diǎn)。
比如在某銀行短信投放的項(xiàng)目中，一開(kāi)始使用對(duì)于計(jì)算廣告等有天然優(yōu)勢(shì)的邏輯回歸模型，點(diǎn)擊率為1.18%。但是，邏輯回歸雖然適合用來(lái)學(xué)習(xí)需要大規(guī)模訓(xùn)練的樣本和特征，同時(shí)也有著不容忽視的缺點(diǎn)：1.模型表達(dá)能力弱，需要大量的特征組合提高特征的表達(dá)；2.模型簡(jiǎn)單，容易欠擬合。所以在評(píng)估后，MobTech選擇了使用FM模型，成功幫助用戶的點(diǎn)擊率增長(zhǎng)至3.62%，帶來(lái)了更多轉(zhuǎn)化。
作為全球領(lǐng)先的數(shù)據(jù)智能科技平臺(tái)，MobTech結(jié)合大規(guī)模數(shù)據(jù)處理、數(shù)據(jù)挖掘、機(jī)器學(xué)習(xí)、可視化等多種技術(shù)，從數(shù)據(jù)中提煉、發(fā)掘、獲取有揭示性和可操作性的信息，為企業(yè)和品牌在基于數(shù)據(jù)制定決策或執(zhí)行任務(wù)時(shí)提供有效的智能支持。自研FM模型并得到Spark merge是MobTech助力各企業(yè)探求數(shù)據(jù)空間中未知世界，在不同領(lǐng)域里尋找巨大機(jī)會(huì)的見(jiàn)證，也彰顯了MobTech在推動(dòng)行業(yè)重塑商業(yè)分析和商業(yè)智能領(lǐng)域的決心。
新一輪技術(shù)革命帶來(lái)的商業(yè)演進(jìn)把我們帶進(jìn)“ABC”時(shí)代，即人工智能（AI）、大數(shù)據(jù)（Big Data）和云計(jì)算（Cloud Computing）。而根據(jù)Gartner的調(diào)研，一種新的“增強(qiáng)分析”的分析模式正在顛覆舊有方式，預(yù)計(jì)在幾年內(nèi)將成為商業(yè)智能系統(tǒng)采購(gòu)的主導(dǎo)驅(qū)動(dòng)力。這種“增強(qiáng)分析”模式正是由數(shù)據(jù)智能技術(shù)賦能，提供了自然語(yǔ)言查詢和敘述、增強(qiáng)的數(shù)據(jù)準(zhǔn)備、自動(dòng)的高級(jí)分析、基于可視化的數(shù)據(jù)探索等多種核心能力。
未來(lái)，MobTech將會(huì)潛心數(shù)據(jù)智能研究，讓產(chǎn)品更加契合當(dāng)今大數(shù)據(jù)時(shí)代各領(lǐng)域、各行業(yè)從數(shù)據(jù)中挖掘、實(shí)現(xiàn)價(jià)值，進(jìn)行數(shù)字化轉(zhuǎn)型的迫切需要。并不斷將成果與眾企業(yè)分享，一同實(shí)現(xiàn)數(shù)據(jù)智能在更多領(lǐng)域的落地和發(fā)展，不斷挑戰(zhàn)新應(yīng)用和新場(chǎng)景，進(jìn)一步激發(fā)和驅(qū)動(dòng)數(shù)字智能研究保持強(qiáng)勁的發(fā)展勢(shì)頭，邁向更高的層次。
（免責(zé)聲明：本網(wǎng)站內(nèi)容主要來(lái)自原創(chuàng)、合作伙伴供稿和第三方自媒體作者投稿，凡在本網(wǎng)站出現(xiàn)的信息，均僅供參考。本網(wǎng)站將盡力確保所提供信息的準(zhǔn)確性及可靠性，但不保證有關(guān)資料的準(zhǔn)確性及可靠性，讀者在使用前請(qǐng)進(jìn)一步核實(shí)，并對(duì)任何自主決定的行為負(fù)責(zé)。本網(wǎng)站對(duì)有關(guān)資料所引致的錯(cuò)誤、不確或遺漏，概不負(fù)任何法律責(zé)任。
任何單位或個(gè)人認(rèn)為本網(wǎng)站中的網(wǎng)頁(yè)或鏈接內(nèi)容可能涉嫌侵犯其知識(shí)產(chǎn)權(quán)或存在不實(shí)內(nèi)容時(shí)，應(yīng)及時(shí)向本網(wǎng)站提出書(shū)面權(quán)利通知或不實(shí)情況說(shuō)明，并提供身份證明、權(quán)屬證明及詳細(xì)侵權(quán)或不實(shí)情況證明。本網(wǎng)站在收到上述法律文件后，將會(huì)依法盡快聯(lián)系相關(guān)文章源頭核實(shí)，溝通刪除相關(guān)內(nèi)容或斷開(kāi)相關(guān)鏈接。 ）
