應(yīng)管理與經(jīng)濟(jì)學(xué)院的邀請(qǐng)，特拉華大學(xué)阿爾弗雷德·勒納商學(xué)院謝佳亨助理教授來(lái)偉德國(guó)際官網(wǎng)進(jìn)行交流訪(fǎng)問(wèn)，并于2022年5月16日上午9時(shí)在線(xiàn)上作了題為《Unbox the Blackbox: Predict and Interpret YouTube Viewership Using Deep Learning》的學(xué)術(shù)報(bào)告。報(bào)告會(huì)由尹秋菊老師主持，學(xué)院眾多師生參加了報(bào)告會(huì)。
謝佳亨教授首先向大家介紹了在線(xiàn)視頻網(wǎng)站的相關(guān)背景，指出內(nèi)容創(chuàng)造者和視頻平臺(tái)迫切期望能夠?qū)σ曨l收視率進(jìn)行預(yù)測(cè)，以低成本優(yōu)化視頻的影響力和營(yíng)銷(xiāo)推廣效果。當(dāng)前廣泛使用的深度學(xué)習(xí)模型雖然可以高精度地對(duì)視頻影響力進(jìn)行預(yù)測(cè)，但是缺乏可解釋性。然而視頻制作者和平臺(tái)是否接受模型結(jié)果并基于此進(jìn)行決策需要模型有較高的可解釋性。針對(duì)這一研究背景并結(jié)合設(shè)計(jì)科學(xué)范式，謝教授及其合作者提出了一種稱(chēng)為Precise Wide-and-Deep Learning (PrecWD)的預(yù)測(cè)模型，該模型利用非結(jié)構(gòu)化的視頻信息和被提煉出的特征準(zhǔn)確預(yù)測(cè)視頻收視率，同時(shí)對(duì)特征的影響具有較好的可解釋性。PrecWD在多種性能指標(biāo)下優(yōu)于基準(zhǔn)模型，并在用戶(hù)調(diào)查實(shí)驗(yàn)中展現(xiàn)了卓越的可解釋性。
報(bào)告結(jié)束后，謝教授簡(jiǎn)單分享了他目前正在進(jìn)行的另一項(xiàng)前沿研究，與會(huì)師生與謝教授展開(kāi)了積極、充分的討論。報(bào)告反響熱烈，受到師生們的一致好評(píng)。
謝佳亨助理教授簡(jiǎn)介：
謝佳亨博士是特拉華大學(xué)阿爾弗雷德·勒納商學(xué)院會(huì)計(jì)與管理信息系統(tǒng)系助理教授。他在亞利桑那大學(xué)埃勒偉德國(guó)際1946bv官網(wǎng)獲得博士學(xué)位。他的研究興趣包括深度學(xué)習(xí)、健康風(fēng)險(xiǎn)分析和商業(yè)分析。他之前的工作發(fā)表在許多重要期刊上，包括MIS Quarterly, Journal of Management Information Systems和 Journal of American Medical Informatics Association。
