NTT DOCOMO 发布新型AI模型 破解冷启动预测难题

NTT DOCOMO, INC.（日本电信运营商 NTT 都科摩）开发出一款能够在历史数据匮乏的情况下做出准确预测的 AI 模型，目标直指 AI 的“冷启动”（cold start）难题——当服务、产品或门店刚刚上线时，推荐系统与预测能力往往会因此受到限制。

该技术被命名为 Dual View Adaptive Retrieval-Augmented Tweedie 模型，在推荐系统和数字广告领域具备应用潜力。对于 eeNews Europe 的读者而言，这项工作的意义在于：现实中不少开发者在部署 AI 时，很难在业务上线前先积累起规模庞大的训练历史数据。该模型还有望缩短全新 AI 服务投入运营所需的时间。

破解 AI 冷启动难题

AI 系统通常会随着历史数据的积累而不断变好。但一项新服务，或是向新地区拓展业务，可用的训练信息可能少得可怜，早期预测的可靠性因此大打折扣。

DOCOMO 的方案融合了两项技术来应对这一问题。其一是 Tweedie 分布——一种适合处理大量零值或波动剧烈数据的统计概率分布。

传统 AI 训练可能依赖高斯分布，其前提是数值大体围绕均值集中。DOCOMO 指出，面对不均衡的数据，例如社交媒体互动量在高峰与低谷时段差异悬殊，这种做法往往力不从心。

采用 Tweedie 分布后，模型可以从更不规则的数据库集中学习，并在信息有限时给出预测。

从相似案例中学习

DOCOMO 模型的第二部分运用了最近邻（nearest neighbors）方法。AI 不再只依赖目标对象自身的历史信息，而是找出相似案例，并从中学习地点、时间及其他属性等特征。

举例来说，当一家新门店的数据有限时，同一区域内其他门店的信息也能为预测提供帮助；一款新产品同样可以从相关品类产品的数据中获益。

DOCOMO 表示，这将让服务提供商从业务上线第一天起就能生成有用的预测与推荐，而不必等待足够的历史数据慢慢积累。

数字户外广告是潜在应用场景之一。该模型可以在新安装的数字标牌投入运营的首日就估算其曝光量，包括人流起伏较大的大型火车站等点位。这些信息有助于运营方制定广告定价，并更早开始售卖广告位。

计划开展现场试验

DOCOMO 计划在 2027 年 3 月之前，与日本国内及海外的数字户外广告企业开展现场试验以评估该技术，长期目标则是实现全球商业化部署。

介绍该模型的研究论文已被第 20 届 ACM 推荐系统会议（ACM RecSys 2026）接收，将进行展示。