【O'Reilly AI Conference 2019】目标消费者在多个领域的受众预测：NER和贝叶斯方法（Audience projection of target consumers over multiple domains: A NER and Bayesian approach），Helixa的首席科学家兼AI负责人Gianmario Spacagna

报告主题： Audience projection of target consumers over multiple domains: A NER and Bayesian approach

报告摘要：Gianmario Spacagna通过利用命名实体识别（NER）技术来匹配相关品牌和贝叶斯推理来从源域转移知识，从而提出了一种新颖的受众预测方法。实体识别算法（尤其是自然语言处理技术）面临的挑战是仅基于提取的实体来衡量两个品牌的相似度。与基于文本的相似性不同，基于实体的相似性捕获了更现实的人群模式和行为。基于实体的相似性可以调整为将源品牌集合映射到所有目标品牌，并显着提高基线方法的准确性。

邀请嘉宾：Gianmario Spacagna，是Helixa的首席科学家兼AI负责人。他的团队的任务是建立下一代行为算法和人类决策模型，并仔细关注它们的潜力和对社会的影响。他的经验涵盖了不同行业的各种机器学习算法和数据产品。此前，他曾在IoT汽车（倍耐力网络技术），零售和商业银行业务（巴克莱卓越分析中心），威胁情报（Cisco Talos），预测性营销（AgilOne）以及偶尔的自由职业中担任数据科学家。他是《Python深度学习》一书的合著者，是“数据科学专业宣言”的贡献者，也是数据科学米兰社区的创始人。Gianmario拥有远程信息处理（都灵理工学院）和分布式系统软件工程（斯德哥尔摩KTH）硕士学位。在国外度过了一半的职业生涯后，他现在住在米兰。他最喜欢的爱好包括家庭烹饪，远足和骑摩托车探索周围的自然环境。