Yahoo Phát Hành Bộ Dữ Liệu Tương Tác Machine Learning Khổng Lồ Cho Các Nhà Nghiên Cứu

Trung tuần tháng 01/2016, Yahoo đã phát hành nguồn dữ liệu lớn chưa từng có cho cộng đồng nghiên cứu khoa học.

Theo đó, Yahoo đã chính thức công khai 13.5TB dữ liệu, có liên quan đến 110 tỷ lượt tương tác của 20 triệu người dùng trên những dịch vụ chính của công ty, bao gồm trang chủ, trang tin tức, Yahoo Sports, Finance, Movies và Real Estate – trong khoảng thời gian từ tháng 2 đến tháng 5 năm 2015.

Mục đích của Yahoo là để giúp cho những nhà nghiên cứu trí tuệ nhân tạo, đặc biệt trong lĩnh vực machine learning (máy học), có được lượng dữ liệu đủ lớn để “dạy” cho các cỗ máy hay thuật toán của họ.

Được biết, lượng dữ liệu khổng lồ mà Yahoo phát hành hoàn toàn là nặc danh, tức là sẽ không thể truy ngược hay khai thác xem các thông tin người dùng, như địa chỉ IP hay email... Một số dữ liệu sẽ bao gồm tuổi tác, giới tính, vị trí địa lý…nhưng vẫn không thể dùng để xác định cụ thể một cá nhân nào đó.

Lượng dữ liệu bao gồm những tiêu đề mà người dùng đã click vào, một bản tổng hợp những bài viết hay nội dung mà người dùng đã click, vị trí click, thời gian xem trang web, tốc độ chuyển giữa các tin với nhau...

Thực tế, không chỉ riêng Yahoo ghi nhận những thông tin trên, mà đa số các dịch vụ trên Internet hiện nay đều theo dõi thói quen của người dùng, nhằm dự vào đó cải thiện chất lượng sản phẩm của mình, hoặc đưa ra những đề xuất phù hợp với từng người dùng cụ thể.