Using Machine Learning to Measure Digital Audiences
Kuupäev
2024
Autorid
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