論文の概要: An RNN-Survival Model to Decide Email Send Times
- arxiv url: http://arxiv.org/abs/2004.09900v1
- Date: Tue, 21 Apr 2020 10:53:14 GMT
- ステータス: 処理完了
- システム内更新日: 2022-12-11 06:02:06.853636
- Title: An RNN-Survival Model to Decide Email Send Times
- Title(参考訳): メール送信時間決定のためのRNN生存モデル
- Authors: Harvineet Singh, Moumita Sinha, Atanu R. Sinha, Sahil Garg, Neha
Banerjee
- Abstract要約: 本稿では、各受信者に対する開封時間を予測するために、サバイバルモデルフレームワークにおけるリカレントニューラルネットワーク(RNN)を提案する。
メール送信のベストタイムは、予測されたタイム・トゥ・オープンから正確に計算できることを示す。
- 参考スコア(独自算出の注目度): 13.267508680058652
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Email communications are ubiquitous. Firms control send times of emails and
thereby the instants at which emails reach recipients (it is assumed email is
received instantaneously from the send time). However, they do not control the
duration it takes for recipients to open emails, labeled as time-to-open.
Importantly, among emails that are opened, most occur within a short window
from their send times. We posit that emails are likely to be opened sooner when
send times are convenient for recipients, while for other send times, emails
can get ignored. Thus, to compute appropriate send times it is important to
predict times-to-open accurately. We propose a recurrent neural network (RNN)
in a survival model framework to predict times-to-open, for each recipient.
Using that we compute appropriate send times. We experiment on a data set of
emails sent to a million customers over five months. The sequence of emails
received by a person from a sender is a result of interactions with past emails
from the sender, and hence contain useful signal that inform our model. This
sequential dependence affords our proposed RNN-Survival (RNN-S) approach to
outperform survival analysis approaches in predicting times-to-open. We show
that best times to send emails can be computed accurately from predicted
times-to-open. This approach allows a firm to tune send times of emails, which
is in its control, to favorably influence open rates and engagement.
- Abstract(参考訳): 電子メール通信はユビキタスです。
企業はメールの送信時刻を管理し、メールが受信者に届く瞬間(送信時刻から即座に受信すると仮定される)を制御する。
しかし、受信者がメールを開くのに要する時間を制御していない。
重要なのは、開いているメールの中で、ほとんどが送信時刻から短いウィンドウ内で発生することだ。
我々は、送信時間が受信者に都合の良いときにメールがより早く開く可能性が高いと仮定する。
したがって、適切な送信時間を計算するためには、正確に開封時間を予測することが重要である。
本稿では,各受信者に対する開封時間を予測するために,サバイバルモデルフレームワークにおけるリカレントニューラルネットワーク(RNN)を提案する。
それを使って適切な送信時間を計算します。
5ヶ月で100万人の顧客に送られたメールのデータセットを実験しました。
送信者から受信した電子メールのシーケンスは、送信者からの過去のメールとのインタラクションの結果であり、それによってモデルに通知する有用な信号を含んでいる。
この逐次的依存は、我々が提案したRNN-Survival (RNN-S) アプローチにより、開封時間を予測する生存分析手法より優れている。
メール送信のベストタイムは、予測した時間からオープンまで正確に計算できることを示す。
このアプローチにより、企業はメールの送信時間を調整でき、それがコントロールされているので、オープンレートやエンゲージメントに好影響を与える。
関連論文リスト
- Prompted Contextual Vectors for Spear-Phishing Detection [45.07804966535239]
スパイアフィッシング攻撃は重大なセキュリティ上の課題を示す。
本稿では,新しい文書ベクトル化手法に基づく検出手法を提案する。
提案手法は, LLM生成したスピアフィッシングメールの識別において, 91%のF1スコアを達成する。
論文 参考訳(メタデータ) (2024-02-13T09:12:55Z) - Algorithmic Persuasion Through Simulation [54.96278605678665]
本研究では,受信側が受信側を説得し,二元的行動を起こそうとするベイズ的説得問題について考察する。
顧客調査やユーザスタディ、最近のジェネレーティブAIの進歩に動機付けられ、送信側は受信者についてより深く学ぶことができる。
論文 参考訳(メタデータ) (2023-11-29T23:01:33Z) - PROMINET: Prototype-based Multi-View Network for Interpretable Email
Response Prediction [12.727146945870809]
本研究では,メールデータからの意味情報と構造情報を組み込んだプロトタイプベースのマルチビューネットワーク(PROMINET)を提案する。
モデルマップは意味と構造を学習し、文書、文、フレーズなど、異なるレベルの粒度のトレーニングデータ中のサンプルを観察した。
学習したプロトタイプは、メールのテキスト編集を強化し、効果的なメール応答の可能性を高めるための提案を生成する可能性も示している。
論文 参考訳(メタデータ) (2023-10-25T16:39:00Z) - Stationary Algorithmic Balancing For Dynamic Email Re-Ranking Problem [15.577323828377798]
メールプラットフォームは、ユーザーの好みを満たすメールの個人別ランキングを生成する必要がある。
提案するMOSR(Multi-Objective Stationary Recommender)は、適応制御モデルを用いて、これらの基準のバランスをとり、好みの変化に適応する新しいオンラインアルゴリズムである。
私たちの研究は、ユーザの満足度に影響を与える複数の目的を考慮に入れた、メールの再ランク付けシステムの設計方法に関する、新しい洞察を提供する。
論文 参考訳(メタデータ) (2023-08-12T23:08:15Z) - Random Boxes Are Open-world Object Detectors [71.86454597677387]
ランダム領域の提案によって訓練された分類器が最先端のオープンワールドオブジェクト検出(OWOD)を実現することを示す。
我々はRandBoxを提案する。RandBoxはR-CNNベースのアーキテクチャで、各トレーニングでランダムな提案を訓練する。
RandBoxは、すべてのメトリクスにおいて、過去の最先端を著しく上回っている。
論文 参考訳(メタデータ) (2023-07-17T05:08:32Z) - Profiler: Profile-Based Model to Detect Phishing Emails [15.109679047753355]
本稿では,攻撃者がメールに適応して検出を回避できる可能性を低減するために,メールの多次元リスク評価を提案する。
本研究では,(1)脅威レベル,(2)認知的操作,(3)電子メールタイプを分析する3つのモデルを含むリスクアセスメントフレームワークを開発する。
プロファイラは、MLアプローチと併用して、誤分類を減らしたり、トレーニング段階で大規模な電子メールデータセットのラベル付けとして使用することができる。
論文 参考訳(メタデータ) (2022-08-18T10:01:55Z) - Anomaly Detection in Emails using Machine Learning and Header
Information [0.0]
フィッシングやスパムなどのメールの異常は、大きなセキュリティリスクをもたらす。
メールの異常検出に関する従来の研究は、単一のタイプの異常と、メール本体と被写体の内容の分析に頼っていた。
本研究では,メールヘッダデータセットの特徴抽出と抽出を行い,複数クラスおよび一クラスの異常検出手法を利用した。
論文 参考訳(メタデータ) (2022-03-19T23:31:23Z) - EmailSum: Abstractive Email Thread Summarization [105.46012304024312]
我々は,メールスレッド要約(EmailSum)データセットを抽象化的に開発する。
このデータセットには、人間による注釈付きショート(30ワード)と、2549のメールスレッドからなるロング(100ワード)のサマリーが含まれている。
本研究は,現在の抽象的要約モデルの課題を明らかにするものである。
論文 参考訳(メタデータ) (2021-07-30T15:13:14Z) - Multi-Receiver Online Bayesian Persuasion [51.94795123103707]
本研究では,未知の逆選択型の受信者に対して,送信者が繰り返し対面するオンライン学習フレームワークについて検討する。
オフラインモデルの慣習として、外部性やバイナリアクションのないケースに重点を置いています。
本稿では,損失関数を有限個に制限したオンライン学習問題に対処する一般的なオンライン降下スキームを提案する。
論文 参考訳(メタデータ) (2021-06-11T16:05:31Z) - Learning with Weak Supervision for Email Intent Detection [56.71599262462638]
本稿では,メールの意図を検出するために,ユーザアクションを弱い監視源として活用することを提案する。
メール意図識別のためのエンドツーエンドの堅牢なディープニューラルネットワークモデルを開発した。
論文 参考訳(メタデータ) (2020-05-26T23:41:05Z)
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。