論文の概要: Multi-Channel Sequential Behavior Networks for User Modeling in Online
Advertising
- arxiv url: http://arxiv.org/abs/2012.15728v1
- Date: Sun, 27 Dec 2020 06:13:29 GMT
- ステータス: 処理完了
- システム内更新日: 2021-04-25 00:13:08.830060
- Title: Multi-Channel Sequential Behavior Networks for User Modeling in Online
Advertising
- Title(参考訳): オンライン広告におけるユーザモデリングのためのマルチチャネルシーケンシャル行動ネットワーク
- Authors: Iyad Batal and Akshay Soni
- Abstract要約: 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。
- 参考スコア(独自算出の注目度): 4.964012641964141
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Multiple content providers rely on native advertisement for revenue by
placing ads within the organic content of their pages. We refer to this setting
as ``queryless'' to differentiate from search advertisement where a user
submits a search query and gets back related ads. Understanding user intent is
critical because relevant ads improve user experience and increase the
likelihood of delivering clicks that have value to our advertisers.
This paper presents Multi-Channel Sequential Behavior Network (MC-SBN), a
deep learning approach for embedding users and ads in a semantic space in which
relevance can be evaluated. Our proposed user encoder architecture summarizes
user activities from multiple input channels--such as previous search queries,
visited pages, or clicked ads--into a user vector. It uses multiple RNNs to
encode sequences of event sessions from the different channels and then applies
an attention mechanism to create the user representation. A key property of our
approach is that user vectors can be maintained and updated incrementally,
which makes it feasible to be deployed for large-scale serving. We conduct
extensive experiments on real-world datasets. The results demonstrate that
MC-SBN can improve the ranking of relevant ads and boost the performance of
both click prediction and conversion prediction in the queryless native
advertising setting.
- Abstract(参考訳): 複数のコンテンツプロバイダは、ページのオーガニックコンテンツに広告を配置することで、収益のためにネイティブ広告に頼っている。
この設定を `queryless' と呼び、ユーザーが検索クエリを提出して関連する広告を取得する検索広告と区別する。
関連する広告はユーザー体験を改善し、広告主に価値あるクリックを届ける可能性を高めるので、ユーザーの意図を理解することは重要です。
本稿では,ユーザと広告を関連性を評価可能な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。
複数のRNNを使用して、異なるチャネルからイベントセッションのシーケンスをエンコードし、ユーザ表現を作成するためにアテンションメカニズムを適用する。
当社のアプローチの重要な特性は,ユーザベクトルのメンテナンスと更新が段階的に可能であることです。
実世界のデータセットに関する広範な実験を行う。
その結果,mc-sbnは関連する広告のランク付けを改善し,クエリレスネイティブ広告におけるクリック予測とコンバージョン予測の両方のパフォーマンスを向上させることができた。
関連論文リスト
- Content Popularity Prediction in Fog-RANs: A Clustered Federated
Learning Based Approach [66.31587753595291]
本稿では,ローカルユーザとモバイルユーザの両面からコンテンツの人気度を統合した,モビリティに配慮した新しい人気予測ポリシーを提案する。
ローカルユーザにとって、コンテンツの人気は、ローカルユーザやコンテンツの隠された表現を学習することによって予測される。
モバイルユーザーにとって、コンテンツの人気はユーザー好みの学習によって予測される。
論文 参考訳(メタデータ) (2022-06-13T03:34:00Z) - AI-Driven Contextual Advertising: A Technology Report and Implication
Analysis [0.0]
プログラム広告はデジタル広告空間の自動オークションである。
文脈広告に対する関心は、部分的には現在の個人データへの依存に対する反作用である。
人工知能(AI)の発展により、コンテキストのより深いセマンティックな理解が可能になる。
論文 参考訳(メタデータ) (2022-05-02T13:44:58Z) - Deep Page-Level Interest Network in Reinforcement Learning for Ads
Allocation [14.9065245548275]
本稿では,ページレベルのユーザ嗜好をモデル化し,複数タイプのフィードバックを活用するために,Deep Page-level Interest Network (DPIN)を提案する。
具体的には、4種類のページレベルのフィードバックを入力として導入し、異なる受容領域下でのアイテム配置のユーザの好みをキャプチャする。
論文 参考訳(メタデータ) (2022-04-01T11:58:00Z) - Diverse Preference Augmentation with Multiple Domains for Cold-start
Recommendations [92.47380209981348]
メタラーニングをベースとした多元的ドメインを用いた多元的推論拡張フレームワークを提案する。
我々は、疎結合の場合の過度な適合を扱うために、新しい関心領域において多様な評価を生成する。
これらの評価は、選好メタラーナーを学ぶためのメタトレーニング手順に導入され、優れた一般化能力が得られる。
論文 参考訳(メタデータ) (2022-04-01T10:10:50Z) - 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) - Knowledge-Enhanced Hierarchical Graph Transformer Network for
Multi-Behavior Recommendation [56.12499090935242]
本研究では,ユーザとレコメンデータシステムにおける項目間の多種類の対話パターンを探索する知識強化階層型グラフトランスフォーマネットワーク(KHGT)を提案する。
KHGTはグラフ構造化ニューラルネットワーク上に構築され、タイプ固有の振る舞い特性をキャプチャする。
KHGTは、様々な評価設定において、最先端のレコメンデーション手法よりも一貫して優れていることを示す。
論文 参考訳(メタデータ) (2021-10-08T09:44:00Z) - A Multimodal Framework for Video Ads Understanding [64.70769354696019]
広告ビデオコンテンツの構造化分析能力を向上させるためのマルチモーダルシステムの開発を行う。
2021年のTAAC最終リーダーボードでは, 位置推定と予測精度を考慮した0.2470のスコアを得た。
論文 参考訳(メタデータ) (2021-08-29T16:06:00Z) - Efficient Optimal Selection for Composited Advertising Creatives with
Tree Structure [24.13017090236483]
視覚的に楽しめる広告クリエイティビティは、製品のクリックスルーレート(CTR)を増加させる可能性がある。
ツリー構造に基づいたアダプティブで効率的な広告クリエイティブセレクションフレームワークを提案します。
ツリー構造に基づいて、トンプソンサンプリングは動的プログラミングに適応され、最大のCTRを持つ潜在的な広告クリエイティブの効率的な探索につながります。
論文 参考訳(メタデータ) (2021-03-02T03:39:41Z) - Truncation-Free Matching System for Display Advertising at Alibaba [28.337203769492966]
マッチングモジュールはディスプレイ広告システムにおいて重要な役割を果たす。
ユーザーからの問い合わせがなければ、システムがユーザーのトラフィックと広告を適切に一致させることは困難です。
TFMS(Truncation Free Matching System)を提案する。
論文 参考訳(メタデータ) (2021-02-18T12:01:09Z) - CAMTA: Causal Attention Model for Multi-touch Attribution [25.258282793367453]
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。
論文 参考訳(メタデータ) (2020-12-21T15:05:00Z) - Multi-Interactive Attention Network for Fine-grained Feature Learning in
CTR Prediction [48.267995749975476]
クリックスルー率(ctr)予測シナリオでは、ユーザのシーケンシャルな動作を利用してユーザの関心を捉える。
既存の手法は主にユーザの行動に注意を払っているが、CTR予測には必ずしも適していない。
マルチインタラクティブ・アテンション・ネットワーク (MIAN) を提案し, 各種微細な特徴間の潜在関係を総合的に抽出する。
論文 参考訳(メタデータ) (2020-12-13T05:46:19Z)
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。