


KDD 2023 | Fournir un cadre d'aide à la décision basé sur les données pour le taux de désabonnement des joueurs dans les jeux en ligne
Récemment, la plus grande conférence internationale KDD a annoncé les résultats de l'acceptation des articles. L'un des articles sur le thème axé sur les données a été sélectionné avec succès. L'auteur est NetEase Fuxi. L'orientation de recherche de cet article implique les domaines de l'interprétabilité des modèles, de l'apprentissage automatique, de l'exploration de données et de la découverte de connaissances, apportant de nouveaux points forts à la science des données. Cette réalisation démontre pleinement les performances exceptionnelles de NetEase Fuxi en matière de technologie et de force d’innovation.

Ce qui suit est un résumé des articles sélectionnés :
《Un cadre d'aide à la décision basé sur les données pour l'analyse du taux de désabonnement des joueurs dans les jeux en ligne》
Un cadre d'aide à la décision basé sur les données pour l'analyse du taux de désabonnement des joueurs dans les jeux en ligne jeux
Les jeux en ligne sont l'une des formes de divertissement les plus populaires aujourd'hui, mais ils sont également confrontés à de graves problèmes de désabonnement des joueurs. Afin d'améliorer la qualité et la compétitivité des jeux, l'analyse des raisons de la perte des joueurs et la prise de mesures efficaces sont devenues un sujet important pour les développeurs et les opérateurs de jeux. En termes d'analyse du taux de désabonnement, une grande quantité de ressources de recherche a été consacrée à la prévision du taux de désabonnement. Grâce au développement de la technologie de l'intelligence artificielle, un haut degré de précision peut être atteint dans le processus de recherche. Cependant, dans la pratique, en raison du manque d’aide à la décision spécifique, les éditeurs de jeux sont souvent incapables d’appliquer des méthodes de prédiction très précises pour prévenir ou atténuer le taux de désabonnement. Existe-t-il donc une solution pratique au problème du taux de désabonnement des joueurs ?

Le cadre contient principalement les quatre points d'innovation suivants :
1. Nouveau cadre
a conçu le premier cadre complet d'aide à la décision basé sur XAI (comprenant la prédiction, l'explication, l'évaluation et l'intervention), et son application dans les jeux en ligne publiés par NetEase Games ont reçu des critiques favorables lors de la Game Developers Conference (GDC) et ont été considérés comme une avancée innovante. Par rapport à la prédiction et à l'analyse du désabonnement traditionnelles, ce cadre peut non seulement fournir une probabilité de désabonnement très précise, mais également analyser les raisons du désabonnement et les niveaux de risque de chaque joueur, et fournir aux développeurs de jeux des améliorations de contenu ou des interventions spécifiques basées sur ces informations. conseil. De cette manière, les développeurs de jeux peuvent définir plus efficacement des stratégies de rétention personnalisées pour différents types de joueurs perdus, améliorant ainsi la satisfaction et la fidélité des joueurs.

Dans le domaine du cadre d'aide à la décision basé sur les données, NetEase Fuxi a toujours été à l'avant-garde et a développé de nombreux outils pratiques pour soutenir sa recherche de données. Grâce à la conférence KDD, NetEase Fuxi a démontré avec succès ses résultats de recherche dans le domaine du cadre d'aide à la décision basé sur les données, qui ont été très appréciés par les experts et les utilisateurs. À l’avenir, l’intelligence des données continuera à orienter tous les aspects de la production et de la vie des individus. NetEase Fuxi continuera d'élargir l'orientation de la recherche sur les cadres d'aide à la décision basés sur les données, tels que les systèmes de soins de flux centrés sur l'expérience des joueurs, la compagnie d'intelligence artificielle, les coéquipiers super-anthropomorphes et super chaleureux, etc., et fournira des scénarios de pointe. pour plus de domaines de solutions techniques pour créer un monde meilleur.
À propos de NetEase Fuxi
NetEase Fuxi a été fondée en 2017. Il s'agit d'une institution nationale de premier plan spécialisée dans la recherche et les applications de l'IA dans les jeux et les divertissements. NetEase Fuxi a publié plus de 200 articles de conférence sur l'IA, détient plus de 500 brevets d'invention et possède des technologies de pointe dans plusieurs domaines tels que les humains numériques, le pincement intelligent du visage, la création d'IA, la lutte contre la triche par l'IA, la correspondance des recommandations de l'IA et les robots compétitifs de l'IA. . À l'heure actuelle, NetEase Fuxi ouvre la technologie et les produits d'IA à des secteurs tels que les jeux, le tourisme culturel et le divertissement. Il a servi plus de 200 clients et le nombre moyen d'appels d'applications quotidiens dépasse des centaines de millions de fois.
Ce qui précède est le contenu détaillé de. pour plus d'informations, suivez d'autres articles connexes sur le site Web de PHP en chinois!

Outils d'IA chauds

Undresser.AI Undress
Application basée sur l'IA pour créer des photos de nu réalistes

AI Clothes Remover
Outil d'IA en ligne pour supprimer les vêtements des photos.

Undress AI Tool
Images de déshabillage gratuites

Clothoff.io
Dissolvant de vêtements AI

AI Hentai Generator
Générez AI Hentai gratuitement.

Article chaud

Outils chauds

Bloc-notes++7.3.1
Éditeur de code facile à utiliser et gratuit

SublimeText3 version chinoise
Version chinoise, très simple à utiliser

Envoyer Studio 13.0.1
Puissant environnement de développement intégré PHP

Dreamweaver CS6
Outils de développement Web visuel

SublimeText3 version Mac
Logiciel d'édition de code au niveau de Dieu (SublimeText3)

Sujets chauds

Ce site a rapporté le 27 juin que Jianying est un logiciel de montage vidéo développé par FaceMeng Technology, une filiale de ByteDance. Il s'appuie sur la plateforme Douyin et produit essentiellement du contenu vidéo court pour les utilisateurs de la plateforme. Il est compatible avec iOS, Android et. Windows, MacOS et autres systèmes d'exploitation. Jianying a officiellement annoncé la mise à niveau de son système d'adhésion et a lancé un nouveau SVIP, qui comprend une variété de technologies noires d'IA, telles que la traduction intelligente, la mise en évidence intelligente, l'emballage intelligent, la synthèse humaine numérique, etc. En termes de prix, les frais mensuels pour le clipping SVIP sont de 79 yuans, les frais annuels sont de 599 yuans (attention sur ce site : équivalent à 49,9 yuans par mois), l'abonnement mensuel continu est de 59 yuans par mois et l'abonnement annuel continu est de 59 yuans par mois. est de 499 yuans par an (équivalent à 41,6 yuans par mois) . En outre, le responsable de Cut a également déclaré que afin d'améliorer l'expérience utilisateur, ceux qui se sont abonnés au VIP d'origine

Améliorez la productivité, l’efficacité et la précision des développeurs en intégrant une génération et une mémoire sémantique améliorées par la récupération dans les assistants de codage IA. Traduit de EnhancingAICodingAssistantswithContextUsingRAGandSEM-RAG, auteur JanakiramMSV. Bien que les assistants de programmation d'IA de base soient naturellement utiles, ils ne parviennent souvent pas à fournir les suggestions de code les plus pertinentes et les plus correctes, car ils s'appuient sur une compréhension générale du langage logiciel et des modèles d'écriture de logiciels les plus courants. Le code généré par ces assistants de codage est adapté à la résolution des problèmes qu’ils sont chargés de résoudre, mais n’est souvent pas conforme aux normes, conventions et styles de codage des équipes individuelles. Cela aboutit souvent à des suggestions qui doivent être modifiées ou affinées pour que le code soit accepté dans l'application.

Pour en savoir plus sur l'AIGC, veuillez visiter : 51CTOAI.x Community https://www.51cto.com/aigc/Translator|Jingyan Reviewer|Chonglou est différent de la banque de questions traditionnelle que l'on peut voir partout sur Internet. nécessite de sortir des sentiers battus. Les grands modèles linguistiques (LLM) sont de plus en plus importants dans les domaines de la science des données, de l'intelligence artificielle générative (GenAI) et de l'intelligence artificielle. Ces algorithmes complexes améliorent les compétences humaines et stimulent l’efficacité et l’innovation dans de nombreux secteurs, devenant ainsi la clé permettant aux entreprises de rester compétitives. LLM a un large éventail d'applications. Il peut être utilisé dans des domaines tels que le traitement du langage naturel, la génération de texte, la reconnaissance vocale et les systèmes de recommandation. En apprenant de grandes quantités de données, LLM est capable de générer du texte

Les grands modèles linguistiques (LLM) sont formés sur d'énormes bases de données textuelles, où ils acquièrent de grandes quantités de connaissances du monde réel. Ces connaissances sont intégrées à leurs paramètres et peuvent ensuite être utilisées en cas de besoin. La connaissance de ces modèles est « réifiée » en fin de formation. À la fin de la pré-formation, le modèle arrête effectivement d’apprendre. Alignez ou affinez le modèle pour apprendre à exploiter ces connaissances et répondre plus naturellement aux questions des utilisateurs. Mais parfois, la connaissance du modèle ne suffit pas, et bien que le modèle puisse accéder à du contenu externe via RAG, il est considéré comme bénéfique de l'adapter à de nouveaux domaines grâce à un réglage fin. Ce réglage fin est effectué à l'aide de la contribution d'annotateurs humains ou d'autres créations LLM, où le modèle rencontre des connaissances supplémentaires du monde réel et les intègre.

L'ensemble de données ScienceAI Question Answering (QA) joue un rôle essentiel dans la promotion de la recherche sur le traitement du langage naturel (NLP). Des ensembles de données d'assurance qualité de haute qualité peuvent non seulement être utilisés pour affiner les modèles, mais également évaluer efficacement les capacités des grands modèles linguistiques (LLM), en particulier la capacité à comprendre et à raisonner sur les connaissances scientifiques. Bien qu’il existe actuellement de nombreux ensembles de données scientifiques d’assurance qualité couvrant la médecine, la chimie, la biologie et d’autres domaines, ces ensembles de données présentent encore certaines lacunes. Premièrement, le formulaire de données est relativement simple, et la plupart sont des questions à choix multiples. Elles sont faciles à évaluer, mais limitent la plage de sélection des réponses du modèle et ne peuvent pas tester pleinement la capacité du modèle à répondre aux questions scientifiques. En revanche, les questions et réponses ouvertes

Editeur | KX Dans le domaine de la recherche et du développement de médicaments, il est crucial de prédire avec précision et efficacité l'affinité de liaison des protéines et des ligands pour le criblage et l'optimisation des médicaments. Cependant, les études actuelles ne prennent pas en compte le rôle important des informations sur la surface moléculaire dans les interactions protéine-ligand. Sur cette base, des chercheurs de l'Université de Xiamen ont proposé un nouveau cadre d'extraction de caractéristiques multimodales (MFE), qui combine pour la première fois des informations sur la surface des protéines, la structure et la séquence 3D, et utilise un mécanisme d'attention croisée pour comparer différentes modalités. alignement. Les résultats expérimentaux démontrent que cette méthode atteint des performances de pointe dans la prédiction des affinités de liaison protéine-ligand. De plus, les études d’ablation démontrent l’efficacité et la nécessité des informations sur la surface des protéines et de l’alignement des caractéristiques multimodales dans ce cadre. Les recherches connexes commencent par "S

L'apprentissage automatique est une branche importante de l'intelligence artificielle qui donne aux ordinateurs la possibilité d'apprendre à partir de données et d'améliorer leurs capacités sans être explicitement programmés. L'apprentissage automatique a un large éventail d'applications dans divers domaines, de la reconnaissance d'images et du traitement du langage naturel aux systèmes de recommandation et à la détection des fraudes, et il change notre façon de vivre. Il existe de nombreuses méthodes et théories différentes dans le domaine de l'apprentissage automatique, parmi lesquelles les cinq méthodes les plus influentes sont appelées les « Cinq écoles d'apprentissage automatique ». Les cinq grandes écoles sont l’école symbolique, l’école connexionniste, l’école évolutionniste, l’école bayésienne et l’école analogique. 1. Le symbolisme, également connu sous le nom de symbolisme, met l'accent sur l'utilisation de symboles pour le raisonnement logique et l'expression des connaissances. Cette école de pensée estime que l'apprentissage est un processus de déduction inversée, à travers les connaissances existantes.

Selon les informations de ce site le 1er août, SK Hynix a publié un article de blog aujourd'hui (1er août), annonçant sa participation au Global Semiconductor Memory Summit FMS2024 qui se tiendra à Santa Clara, Californie, États-Unis, du 6 au 8 août, présentant de nombreuses nouvelles technologies de produit. Introduction au Future Memory and Storage Summit (FutureMemoryandStorage), anciennement Flash Memory Summit (FlashMemorySummit) principalement destiné aux fournisseurs de NAND, dans le contexte de l'attention croissante portée à la technologie de l'intelligence artificielle, cette année a été rebaptisée Future Memory and Storage Summit (FutureMemoryandStorage) pour invitez les fournisseurs de DRAM et de stockage et bien d’autres joueurs. Nouveau produit SK hynix lancé l'année dernière
