論文の概要: CAMTA: Causal Attention Model for Multi-touch Attribution
- arxiv url: http://arxiv.org/abs/2012.11403v2
- Date: Tue, 16 Feb 2021 13:35:46 GMT
- ステータス: 処理完了
- システム内更新日: 2021-04-27 06:26:53.356934
- Title: CAMTA: Causal Attention Model for Multi-touch Attribution
- Title（参考訳）: CAMTA:マルチタッチ属性に対する因果注意モデル
- Authors: Sachin Kumar, Garima Gupta, Ranjitha Prasad, Arnab Chatterjee,
Lovekesh Vig, Gautam Shroff
- Abstract要約: 本研究では,ユーザ個人化MTAのカジュアルアトリビューション機構である,新しいディープリカレントニューラルネットワークアーキテクチャCAMTAを提案する。
複数のベースラインと比較し,予測精度に関してcamtaの優れた性能を示す。
- 参考スコア（独自算出の注目度）: 25.258282793367453
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Advertising channels have evolved from conventional print media, billboards
and radio advertising to online digital advertising (ad), where the users are
exposed to a sequence of ad campaigns via social networks, display ads, search
etc. While advertisers revisit the design of ad campaigns to concurrently serve
the requirements emerging out of new ad channels, it is also critical for
advertisers to estimate the contribution from touch-points (view, clicks,
converts) on different channels, based on the sequence of customer actions.
This process of contribution measurement is often referred to as multi-touch
attribution (MTA). In this work, we propose CAMTA, a novel deep recurrent
neural network architecture which is a casual attribution mechanism for
user-personalised MTA in the context of observational data. CAMTA minimizes the
selection bias in channel assignment across time-steps and touchpoints.
Furthermore, it utilizes the users' pre-conversion actions in a principled way
in order to predict pre-channel attribution. To quantitatively benchmark the
proposed MTA model, we employ the real world Criteo dataset and demonstrate the
superior performance of CAMTA with respect to prediction accuracy as compared
to several baselines. In addition, we provide results for budget allocation and
user-behaviour modelling on the predicted channel attribution.
- Abstract（参考訳）: 広告チャネルは、従来の印刷媒体、看板、ラジオ広告からオンラインデジタル広告(ad)へと進化し、ユーザーはソーシャルネットワーク、ディスプレイ広告、検索などを通じて一連の広告キャンペーンにさらされている。
広告主は新しい広告チャネルから生まれる要求を同時に満たすために広告キャンペーンの設計を再検討する一方で、顧客アクションのシーケンスに基づいて異なるチャンネルのタッチポイント(ビュー、クリック、変換)からの貢献を見積もることも重要である。
このコントリビューション測定のプロセスは、しばしばMTA(Multi-touch Attribution)と呼ばれる。
本研究では,観測データの文脈におけるユーザ個人化MTAのカジュアルな帰属機構である,新しいディープリカレントニューラルネットワークアーキテクチャであるCAMTAを提案する。
CAMTAは、チャンネル割り当てにおける選択バイアスを時間ステップとタッチポイントで最小化する。
さらに、プリチャネル属性を予測するために、ユーザの事前変換動作を原則的に利用する。
提案したMTAモデルを定量的にベンチマークするために,実世界のCriteoデータセットを用いて,CAMTAの予測精度に対して,複数のベースラインと比較して優れた性能を示す。
さらに,予測チャネル属性に基づく予算配分とユーザビヘイビアモデリングの結果も提供する。
関連論文リスト
- Multi-granularity Interest Retrieval and Refinement Network for Long-Term User Behavior Modeling in CTR Prediction [68.90783662117936]
クリックスルーレート(CTR)の予測は、オンラインパーソナライズプラットフォームにとって不可欠である。
近年の進歩は、リッチなユーザの振る舞いをモデル化することで、CTR予測の性能を大幅に改善できることを示している。
マルチグラニュラリティ興味検索ネットワーク(MIRRN)を提案する。
論文 参考訳（メタデータ） (2024-11-22T15:29:05Z) - Efficient Transfer Learning Framework for Cross-Domain Click-Through Rate Prediction [47.7066461216227]
クロスドメインクリックスルーレート予測(E-CDCTR)のための効率的な伝達学習フレームワーク
鍵となる3つの要素:Tiny Pre-Traning Model (TPM)、Complete Pre-Traning Model (CPM)、そして—CTR Model (A-CTR)
TPMは、CPMとA-CTRの両方に対して、ユーザとアイテムのよりリッチな表現を提供し、日々の更新に固有の問題を効果的に軽減します。
論文 参考訳（メタデータ） (2024-08-29T03:34:39Z) - User Response in Ad Auctions: An MDP Formulation of Long-Term Revenue Optimization [13.868805489082701]
広告の質に対するユーザの反応を捉えるために,広告オークションのための新しいマルコフ決定プロセスモデルを提案する。
ユーザの反応を取り入れることで, オークションに関わる3つの関係者(広告主, オークション, ユーザ)すべてを考慮したモデルを構築した。
論文 参考訳（メタデータ） (2023-02-16T06:16:01Z) - Boost CTR Prediction for New Advertisements via Modeling Visual Content [55.11267821243347]
広告の視覚的内容を利用してCTR予測モデルの性能を向上させる。
過去に蓄積された履歴的ユーザ・アドインタラクションに基づいて,各ビジュアルIDの埋め込みを学習する。
Baiduオンライン広告のCTR予測モデルにビジュアルIDを埋め込んだ後、広告の平均CTRは1.46%改善し、総料金は1.10%増加した。
論文 参考訳（メタデータ） (2022-09-23T17:08:54Z) - Dynamic collaborative filtering Thompson Sampling for cross-domain
advertisements recommendation [1.6859861406758752]
バンドモデル間で知識を伝達するための動的協調フィルタリングトンプソンサンプリング(DCTS)を提案する。
DCTSはユーザと広告間の類似性を利用して、トンプソンサンプリングの事前分布を推定する。
我々はDCTSが最先端のモデルよりもクリックスルー率を9.7%向上することを示した。
論文 参考訳（メタデータ） (2022-08-25T08:13:24Z) - Masked Transformer for Neighhourhood-aware Click-Through Rate Prediction [74.52904110197004]
本稿では,近隣相互作用に基づくCTR予測を提案し,そのタスクを異種情報ネットワーク(HIN)設定に組み込む。
周辺地域の表現を高めるために,ノード間のトポロジカルな相互作用を4種類検討する。
本研究では,2つの実世界のデータセットに関する総合的な実験を行い,提案手法が最先端のCTRモデルを大幅に上回ることを示す。
論文 参考訳（メタデータ） (2022-01-25T12:44:23Z) - Contextual Bandits for Advertising Campaigns: A Diffusion-Model
Independent Approach (Extended Version) [73.59962178534361]
拡散ネットワークや情報伝達の仕方を決定するモデルについてはほとんど知られていないと考えられる影響問題について検討する。
この設定では、キャンペーンの実行中に主要な拡散パラメータを学習するために探索-探索アプローチが使用できる。
本稿では,2つの文脈的マルチアーム・バンディットの手法と,インフルエンサーの残りのポテンシャルに対する上限について比較する。
論文 参考訳（メタデータ） (2022-01-13T22:06:10Z) - CausalMTA: Eliminating the User Confounding Bias for Causal Multi-touch
Attribution [16.854552780506822]
ユーザの好みの影響を排除するために,CausalMTAを提案する。
CaulMTAは最先端手法よりも優れた予測性能を実現する。
また、異なる広告チャンネル間で有意義な属性クレジットを生成する。
論文 参考訳（メタデータ） (2021-12-21T01:59:16Z) - Modeling High-order Interactions across Multi-interests for Micro-video
Reommendation [65.16624625748068]
利用者の興味表現を高めるためのセルフオーバーCoアテンションモジュールを提案します。
特に、まず相関パターンを異なるレベルでモデル化し、次に自己注意を使って特定のレベルで相関パターンをモデル化します。
論文 参考訳（メタデータ） (2021-04-01T07:20:15Z) - Multi-Channel Sequential Behavior Networks for User Modeling in Online
Advertising [4.964012641964141]
本稿では,ユーザと広告を意味空間に埋め込むための深層学習手法であるマルチチャネルシーケンシャル行動ネットワーク(mc-sbn)を提案する。
提案するユーザエンコーダアーキテクチャでは,過去の検索クエリや訪問ページ,クリックした広告など,複数の入力チャネルからのユーザアクティビティをユーザベクトルにまとめる。
その結果,MC-SBNは関連広告のランク付けを改善し,クリック予測とコンバージョン予測の両方の性能を向上させることができることがわかった。
論文 参考訳（メタデータ） (2020-12-27T06:13:29Z) - Interpretable Deep Learning Model for Online Multi-touch Attribution [14.62385029537631]
本稿では,深層学習モデルとオンラインマルチタッチ属性の解釈のための付加的特徴説明モデルを組み合わせたDeepMTAという新しいモデルを提案する。
MTAの最初の解釈可能なディープラーニングモデルとして、DeepMTAは、顧客ジャーニーにおける3つの重要な特徴について検討している。
実データセットの評価は、提案した変換予測モデルが91%の精度を達成することを示している。
論文 参考訳（メタデータ） (2020-03-26T23:21:40Z)
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。