論文の概要: Query-Variant Advertisement Text Generation with Association Knowledge
- arxiv url: http://arxiv.org/abs/2004.06438v3
- Date: Thu, 23 Sep 2021 04:26:09 GMT
- ステータス: 処理完了
- システム内更新日: 2022-12-13 09:42:25.467972
- Title: Query-Variant Advertisement Text Generation with Association Knowledge
- Title(参考訳): 関連知識を用いた問合せ可変広告テキスト生成
- Authors: Siyu Duan, Wei Li, Cai Jing, Yancheng He, Yunfang Wu, Xu Sun
- Abstract要約: 従来のテキスト生成手法は、高頻度で一般的な検索ニーズに焦点を当てる傾向にある。
本稿では,異なるWeb検索クエリに対して候補となる広告テキストを生成することを目的とした,問合せ型広告テキスト生成タスクを提案する。
提案モデルでは,クエリにパーソナライズされたニーズを多用し,クエリ変数の広告テキストを生成する。
- 参考スコア(独自算出の注目度): 21.18443320935013
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Online advertising is an important revenue source for many IT companies. In
the search advertising scenario, advertisement text that meets the need of the
search query would be more attractive to the user. However, the manual creation
of query-variant advertisement texts for massive items is expensive.
Traditional text generation methods tend to focus on the general searching
needs with high frequency while ignoring the diverse personalized searching
needs with low frequency. In this paper, we propose the query-variant
advertisement text generation task that aims to generate candidate
advertisement texts for different web search queries with various needs based
on queries and item keywords. To solve the problem of ignoring low-frequency
needs, we propose a dynamic association mechanism to expand the receptive field
based on external knowledge, which can obtain associated words to be added to
the input. These associated words can serve as bridges to transfer the ability
of the model from the familiar high-frequency words to the unfamiliar
low-frequency words. With association, the model can make use of various
personalized needs in queries and generate query-variant advertisement texts.
Both automatic and human evaluations show that our model can generate more
attractive advertisement text than baselines.
- Abstract(参考訳): オンライン広告は多くのIT企業にとって重要な収入源である。
検索広告のシナリオでは、検索クエリのニーズを満たす広告テキストは、ユーザーにとってより魅力的である。
しかし、大量の商品を対象としたクエリー型広告テキストのマニュアル作成は高価である。
従来のテキスト生成手法は、多彩なパーソナライズされた検索ニーズを低頻度で無視しながら、一般的な検索ニーズを高周波で重視する傾向にある。
本稿では,クエリと項目キーワードに基づいて,異なるWeb検索クエリに対する候補広告テキストを生成することを目的とした,問合せ型広告テキスト生成タスクを提案する。
低周波ニーズを無視する問題を解決するために,外部知識に基づいて受容領域を拡張する動的結合機構を提案する。
これらの関連した単語は、慣れ親しんだ高周波の単語から未知の低周波の単語にモデルの能力を伝えるブリッジとして機能する。
関連付けにより、モデルはクエリにおける様々なパーソナライズされたニーズを活用でき、クエリ変数の広告テキストを生成する。
自動評価と人的評価は,本モデルがベースラインよりも魅力的な広告テキストを生成することを示す。
関連論文リスト
- DIVKNOWQA: Assessing the Reasoning Ability of LLMs via Open-Domain
Question Answering over Knowledge Base and Text [73.68051228972024]
大きな言語モデル(LLM)は印象的な生成能力を示すが、内部知識に依存すると幻覚に悩まされる。
検索拡張LDMは、外部知識においてLLMを基盤とする潜在的な解決策として出現している。
論文 参考訳(メタデータ) (2023-10-31T04:37:57Z) - Large Search Model: Redefining Search Stack in the Era of LLMs [63.503320030117145]
我々は,1つの大言語モデル(LLM)で検索タスクを統一することにより,従来の検索スタックを再定義する,大規模検索モデルと呼ばれる新しい概念的フレームワークを導入する。
全てのタスクは自動回帰テキスト生成問題として定式化され、自然言語のプロンプトを使ってタスクをカスタマイズできる。
提案フレームワークは,LLMの強力な言語理解と推論能力を活用し,既存の検索スタックを簡素化しつつ,検索結果の質を向上させる能力を提供する。
論文 参考訳(メタデータ) (2023-10-23T05:52:09Z) - Social Commonsense-Guided Search Query Generation for Open-Domain
Knowledge-Powered Conversations [66.16863141262506]
本稿では,ソーシャルコモンセンスによってガイドされたインターネット検索クエリ生成に焦点を当てた新しいアプローチを提案する。
提案フレームワークは,トピックトラッキング,コモンセンス応答生成,命令駆動クエリ生成を統合することで,受動的ユーザインタラクションに対処する。
論文 参考訳(メタデータ) (2023-10-22T16:14:56Z) - Keyword Augmented Retrieval: Novel framework for Information Retrieval
integrated with speech interface [0.0]
言語モデルを使って幻覚なしで素早く低コストで回答を取得することは大きなハードルです。
これは知識検索自動化における言語モデルの利用を防止するためである。
商用検索やチャットボットアプリケーションでは、GPT 3.5などの商用大規模言語モデル(LLM)への完全依存は非常にコストがかかる。
論文 参考訳(メタデータ) (2023-10-06T12:44:04Z) - Align before Search: Aligning Ads Image to Text for Accurate Cross-Modal
Sponsored Search [27.42717207107]
クロスモーダルスポンサー検索は、消費者が検索エンジンで自然言語クエリーによって望ましい商品を探す際に、マルチモーダル広告(ads)を表示する。
画像とテキストの両方で広告特有の情報を調整できることは、正確で柔軟なスポンサー付き検索に不可欠だ。
広告画像の細粒度部分を対応するテキストに明示的にマッピングする単純なアライメントネットワークを提案する。
論文 参考訳(メタデータ) (2023-09-28T03:43:57Z) - Intuitive Access to Smartphone Settings Using Relevance Model Trained by
Contrastive Learning [7.999822329997281]
本稿では,直感的・文脈的検索クエリを受け入れるモバイル機能検索システムを提案する。
我々は、クエリ埋め込みとインデックス付きモバイル機能の間の文脈的関連性を知覚するために、事前訓練された言語モデルからのコントラスト学習を通じて関連モデルを訓練した。
論文 参考訳(メタデータ) (2023-07-15T08:18:37Z) - SSP: Self-Supervised Post-training for Conversational Search [63.28684982954115]
本稿では,対話型検索モデルを効率的に初期化するための3つの自己教師型タスクを備えた学習後パラダイムであるフルモデル(モデル)を提案する。
提案手法の有効性を検証するために,CAsT-19 と CAsT-20 の2つのベンチマークデータセットを用いて,会話検索タスクにモデルにより訓練後の会話エンコーダを適用した。
論文 参考訳(メタデータ) (2023-07-02T13:36:36Z) - Search-Engine-augmented Dialogue Response Generation with Cheaply
Supervised Query Production [98.98161995555485]
応答生成のために,任意の検索エンジンから膨大な動的情報にアクセス可能な対話モデルを提案する。
コアモジュールとして、クエリプロデューサを使用して、対話コンテキストからクエリを生成して、検索エンジンと対話する。
R@1とR@5のレートを62.4%と74.8%で達成できることを示す実験を行った。
論文 参考訳(メタデータ) (2023-02-16T01:58:10Z) - Open Domain Question Answering over Virtual Documents: A Unified
Approach for Data and Text [62.489652395307914]
我々は、知識集約型アプリケーションのための構造化知識を符号化する手段として、Data-to-text法、すなわち、オープンドメイン質問応答(QA)を用いる。
具体的には、ウィキペディアとウィキソースの3つのテーブルを付加知識源として使用する、データとテキスト上でのオープンドメインQAのための冗長化-レトリバー・リーダー・フレームワークを提案する。
UDT-QA(Unified Data and Text QA)は,知識インデックスの拡大を効果的に活用できることを示す。
論文 参考訳(メタデータ) (2021-10-16T00:11:21Z) - Triangular Bidword Generation for Sponsored Search Auction [15.260540147678396]
本稿では,ペアクエリの高品質なデータである広告を監視信号として利用する三角形入札語生成モデル(TRIDENT)を提案する。
提案手法は,検索クエリと広告の間のブリッジとして入札語を用いることで,検索クエリ,広告,入札語の生成を共同で学習することができる。
論文 参考訳(メタデータ) (2021-01-27T12:25:22Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト(すべての情報・翻訳含む)の品質を保証せず、本サイト(すべての情報・翻訳含む)を使用して発生したあらゆる結果について一切の責任を負いません。