NTTドコモは2026年9月28日、過去データがほとんどない状態でも高精度な予測を可能にするAI技術「Dual-view Adaptive Retrieval augmented Tweedie model（DART）」を確立したと発表しました。新規サービスなどで起きる「コールドスタート問題」への対応を狙った技術で、関連論文は推薦システム分野の国際会議「ACM RecSys 2026」に採録されています。
DARTが解決を狙う「コールドスタート問題」
AIによるレコメンドや需要予測では、過去の利用履歴や実績データが重要です。一方、新サービスの開始直後や新しい地域への展開時は十分なデータがなく、予測精度を上げにくい課題があります。ドコモはこの状態をコールドスタート問題として説明しています。
DARTの2つのポイント
Tweedie分布で偏りの大きいデータを扱う
DARTでは、ゼロが多いデータや値のばらつきが大きいデータを表現しやすいTweedie分布を学習ルールに採用します。SNS反応や人流のように、時間帯や場所で大きく変化するデータにも対応しやすくする狙いです。
似た事例から特徴を探す
予測対象そのものの履歴が少ない場合でも、同じ地域の別店舗や似た商品などの「近傍事例」を参照し、場所・時間・属性などの共通点を自動で探索して学習します。自前のデータが蓄積するまで待たずに予測を始められることがポイントです。
DOOHで2026年度中に実証予定
ドコモは、屋外デジタル広告（DOOH）のインプレッション予測などへの応用を例示しています。新設したデジタルサイネージでも、過去データが少ない段階から視認される回数を予測し、広告枠の価格設定を早められる可能性があります。2026年度中に国内外のDOOH事業で実証実験を行う予定です。
まとめ
DARTは、データが少ない立ち上げ初期からAI予測を使えるようにすることを狙った技術です。実証結果や商用サービスへの採用範囲は今後の検証次第ですが、レコメンド、広告、需要予測など「十分な履歴が集まるまで待つ」必要がある領域での活用が注目されます。
コメント