Opus'tan yardım isteyebilen bir Jev, Opus doğruluğunu 4 kat daha düşük maliyetle sağlıyor

Opus'tan yardım isteyebilen ve Opus doğruluğunu 4 kat daha düşük maliyetle sağlayan A Jev ile ilgili yeni gelişmelerin ortaya çıkması, teknoloji sektöründe tartışmalara yol açtı.

Yüksek Lisans ve karar modellerinin, özellikle de Jev ve Luna'nın düzenli olarak karşılaştığımız zor bir sorunu (kimlik çözümleme sonuçlarının derecelendirilmesi) çözüp çözemeyeceğini test etmek istedik. Her iki model de kullanıma hazır olarak gayet iyi performans gösterirken (%88,8-97,3 doğruluk), Jev + Opus'u birleştiren hibrit bir model uygulamanın > 4 kat daha düşük maliyetlerle sınır doğruluğu elde ettiğini gördük.

• Luna, Jev'den daha iyi bir performans sergiliyor ancak daha zor vakalarda aradaki fark ortadan kalkıyor.
• Jev'in kendine olan güveni daha iyi ayarlanmış. Hatalarının çoğu, doğru olduğuna duyulan güvenin düşük olmasından kaynaklanmaktadır. Luna'nın hatalarının çoğu yüksek özgüvenden kaynaklanıyor. Bu, Jev'in hibrit model donanımda Luna'dan daha iyi performans göstermesini sağlıyor.
• Sınır modelleri hala karar modellerinden daha doğrudur
• Karar modelleri 90 kata kadar daha ucuz ve kutudan çıktığı haliyle 10 kattan daha hızlıdır. 1.000 kimlik başına 0,5 ila 0,10 ABD Doları tutarında bir maliyete sahiptirler ve yaklaşık 0,15 saniyede yanıt verirler, ancak daha zorlu kıyaslamalarda Opus'un doğruluğunu yaklaşık yüzde 6 puan geride bırakırlar.

Kimlik çözümlemesi nedir?

Kimlik çözümlemesi, verileri karşılık gelen gerçek kişilerle eşleme işlemidir. Daha doğrusu, diyelim ki bir D veri kayıtlarınız var. Bir I kimlikleri kümesi belirleyin ve m(D)->I'yi eşleştirin; öyle ki her d ∈ D kaydı bir i ∈ I kimliğine eşlenir, her i gerçek dünyada tam olarak bir gerçek kişiye karşılık gelir ve hiçbir iki i gerçek dünyada aynı kişiye karşılık gelmez.

Bu, müşterilere erişim, kişiselleştirme veya analiz yapmak isteyen her şirket için temel teşkil eder. Örneğin, bir müşterinin tüm satın alma işlemlerini tek bir kimlikle eşleştirmeden yaşam boyu değerini bilemezsiniz.

Örneğin giriş verileri aşağıdaki kayıtları içerebilir. IDR ideal olarak tek bir kimlik (Alice) oluşturur ve tüm bu kayıtları Alice ile ilişkilendirir.

Pratikte IDR çok zordur. İnsanlar e-postaları paylaşır, adresleri taşır vb. Verilerde hatalar da olabilir. Burada bazı örneklere bakın:

IDR ile ilgili en yaygın ve sorunlu sorun aşırı birleşmedir. Bu, bir kimliğin gerçek dünyadaki birden fazla kişiye yanlışlıkla karşılık gelmesidir.

Aşırı birleştirmeyi algılama