Using Machine Learning to Measure Digital Audiences

Kuupäev

2024

Ajakirja pealkiri

Ajakirja ISSN

Köite pealkiri

Kirjastaja

Tartu Ülikool

Abstrakt

In recent years, the field of machine learning has witnessed an unprecedented surge in interest and application across diverse domains. Kantar Media, a leader in audience measurement, aims to apply machine learning to refine and revolutionize audience measurement techniques. This thesis demonstrates the application of recurrent neural networks and attention mechanisms. Despite existing solutions in audience measurement, they exhibit limitations in comprehensively addressing outlier data. The approach demonstrates that leveraging deep learning yields a remarkable test accuracy of 97 percent. However, it is also noted that certain outliers present persistent predictive challenges.

Kirjeldus

Viimastel aastatel on masinõppe valdkond olnud tunnistajaks enneolematule huvi ja rakenduste kasvule erinevates valdkondades. Vaatajaskonna mõõtmise liider Kantar Media eesmärk on rakendada masinõpet publiku mõõtmise tehnikate täiustamiseks ja revolutsiooniliseks muutmiseks. See lõputöö demonstreerib korduvate närvivõrkude ja tähelepanumehhanismide rakendamist. Vaatamata olemasolevatele vaatajaskonna mõõtmise lahendustele on neil piiranguid kõrvalekallete andmete igakülgsel käsitlemisel. See lähenemisviis näitab, et sügava õppimise võimendamine annab märkimisväärse testi täpsuse 97 protsenti. Siiski märgitakse ka, et teatud kõrvalekalded kujutavad endast püsivaid ennustamisprobleeme.

Märksõnad

digital audiences, machine learning, deep learning, recurrent neural networks, attention. 2

Viide