株式会社NTTドコモは、分析・予測対象の過去データが不足する環境でも高精度な予測を実現するAI技術として「Dual-view Adaptive Retrieval augmented Tweedie model（DART手法）」を確立しました。新規サービスの開始時などに予測に必要な過去データが不足し、AIが適切な判断を行えないコールドスタート問題を解決する技術です。なお、本技術に関する論文は、推薦システム分野の国際会議「ACM RecSys 2026」に採録されました。

新規サービスを立ち上げる際や、既存サービスを異なる領域や地域へ展開した直後においては、AIの予測に必要な過去データが十分に蓄積されていません。そのため、AIによるおすすめ（レコメンド）機能や広告の効果予測などが適切に機能しないコールドスタート問題が生じます。

これにより、利用者の関心に合わせたおすすめや広告を提示できず、利用者の定着や事業の立ち上がりに時間を要する事例が発生していました。

DART手法における2つの特長

本技術は、主に2つの特長によってデータが極端に少ない状況でも高精度な予測を可能にします。

• Tweedie分布の導入による学習ルールの変更

従来のAI手法の多くは平均値の周辺にデータが集まることを前提とする「ガウス分布」を学習ルールに採用していましたが、SNS上の反応や都市部の人流のように偏りがあるデータでは十分に学習できない課題がありました。本技術では、ゼロが多いデータや偏りのあるデータなど、多様なデータ分布を柔軟に扱える「Tweedie分布」を学習ルールに導入し、適切な学習と予測を実現します。

• 近傍事例の活用

予測対象の過去データが不足する場合でも、同じ地域の別の店舗や類似するジャンルの別の商品といった「近傍事例」のデータから、場所・時間・属性などの共通する複数の特徴を自動で探して学習し、高精度の予測を実現します。

事業展開への期待と今後の予定

本技術の活用により、サービス提供者は自社サービスにおける利用者のデータ蓄積を待つことなく、サービス開始初日からAIによる高精度な予測やレコメンド機能を提供できるようになり、事業の早期立ち上げにつながります。

例えばDOOH（屋外デジタル広告）事業においては、都心の主要駅など人流が大きく変動する場所に新設したデジタルサイネージについて、広告のインプレッション（表示回数）を初日から高精度に予測できます。これにより、広告枠の価格設定を早期に行い、販売開始までの期間を短縮することが可能になります。

株式会社NTTドコモは、2026年度中に国内外のDOOH事業で本技術の実証実験を実施する予定です。実証を通じて有効性を検証し、グローバルでの本技術の活用をめざすとしています。

本記事は株式会社NTTドコモの発表をもとに作成されています。

Dellows News編集部

ビジネスパーソンの課題解決と納得感にこだわるDellows News編集部。キャリア論からAI、健康法まで幅広い分野に対応し、複雑なテーマでも平易な言葉で丁寧に解説。読者が「明日から使える」知識やヒントを得られるよう、具体的な事例・データ・専門家の見解を交えて執筆。情報を整理し、納得感ある記事づくりを心がけています。