論文の概要: A Hybrid Bandit Model with Visual Priors for Creative Ranking in Display Advertising

• arxiv url: http://arxiv.org/abs/2102.04033v1
• Date: Mon, 8 Feb 2021 07:11:20 GMT
• ステータス: 処理完了
• システム内更新日: 2021-02-09 15:25:42.161213
• Title: A Hybrid Bandit Model with Visual Priors for Creative Ranking in Display Advertising
• Title（参考訳）: ディスプレイ広告におけるクリエイティビティランキングのためのビジュアルプリミティブを用いたハイブリッドバンディットモデル
• Authors: Shiyao Wang, Qi Liu, Tiezheng Ge, Defu Lian and Zhiqiang Zhang
• Abstract要約: 本稿では、視覚的外観に応じて創造物を注文するリストワイドランキングの損失を組み込んだ視覚的ランキングモデル(VAM)を提案する。 最初の大規模なクリエイティブデータセットであるCreativeRankingが構築され、500万製品から170万以上のクリエイティブと、実際のインプレッションとクリックデータが含まれている。
• 参考スコア（独自算出の注目度）: 31.219027299187346
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Creative plays a great important role in e-commerce for exhibiting products. Sellers usually create multiple creatives for comprehensive demonstrations, thus it is crucial to display the most appealing design to maximize the Click-Through Rate~(CTR). For this purpose, modern recommender systems dynamically rank creatives when a product is proposed for a user. However, this task suffers more cold-start problem than conventional products recommendation In this paper, we propose a hybrid bandit model with visual priors which first makes predictions with a visual evaluation, and then naturally evolves to focus on the specialities through the hybrid bandit model. Our contributions are three-fold: 1) We present a visual-aware ranking model (called VAM) that incorporates a list-wise ranking loss for ordering the creatives according to the visual appearance. 2) Regarding visual evaluations as a prior, the hybrid bandit model (called HBM) is proposed to evolve consistently to make better posteriori estimations by taking more observations into consideration for online scenarios. 3) A first large-scale creative dataset, CreativeRanking, is constructed, which contains over 1.7M creatives of 500k products as well as their real impression and click data. Extensive experiments have also been conducted on both our dataset and public Mushroom dataset, demonstrating the effectiveness of the proposed method.
• Abstract（参考訳）: クリエイティブは、製品を展示するための電子商取引において大きな役割を果たします。 売り手は通常、包括的なデモンストレーションのために複数のクリエイティブを作成するため、クリックスルーレート〜(CTR)を最大化するために最も魅力的なデザインを表示することが重要です。 この目的のために、現代のレコメンデータシステムは、ユーザが製品を提案するとき、クリエイティブを動的にランク付けする。 しかし,本論文では,従来の製品よりもコールドスタートの問題に苦しむため,まず視覚評価で予測し,次にハイブリッドバンディットモデルによる特殊性に着目して自然に進化する視覚プライオリティを用いたハイブリッドバンディットモデルを提案する。 1) 視覚的な外観に応じて創造性を順序づけるために, リスト毎のランキングロスを組み込んだビジュアルアウェアランキングモデル(vam)を提案する。 2) 先行する視覚評価では, オンラインシナリオを考慮し, 後方推定をより良くするためのハイブリッドバンディットモデル(hbm)が提案されている。 3) 最初の大規模なクリエイティブデータセットであるCreativeRankingが構築され、500万製品から170万以上のクリエイティブと、実際のインプレッションとクリックデータが含まれている。 提案手法の有効性を実証するため,我々のデータセットと公開Mushroomデータセットの両方で大規模な実験を行った。

関連論文リスト

• A New Creative Generation Pipeline for Click-Through Rate with Stable Diffusion Model [8.945197427679924]
  従来のAIベースのアプローチは、デザイナーからの美的知識を限定しながら、ユーザー情報を考慮しないという同じ問題に直面している。 結果を最適化するために、従来の方法で生成されたクリエイティブは、クリエイティブランキングモデルと呼ばれる別のモジュールによってランク付けされる。 本稿では,クリエイティビティ生成段階においてCTRを改善することを目的とした,Click-Through Rate (CG4CTR) のための新しいCreative Generationパイプラインを提案する。
  論文  参考訳（メタデータ） (2024-01-17T03:27:39Z)
• AdBooster: Personalized Ad Creative Generation using Stable Diffusion Outpainting [7.515971669919419]
  デジタル広告において、最適項目(勧告)と最良の創造的プレゼンテーション(創造的最適化)の選択は伝統的に別分野とみなされてきた。 本稿では、ユーザの興味を取り入れたクリエイティブ生成のための生成モデルのタスクを紹介し、パーソナライズされた広告クリエイティビティのためのモデルであるAdBoosterを形作る。
  論文  参考訳（メタデータ） (2023-09-08T12:57:05Z)
• Retrieval-Enhanced Contrastive Vision-Text Models [61.783728119255365]
  そこで本研究では,メモリから取得したクロスモーダルな情報を推論時に表現することで,その埋め込みを洗練できる視覚テキストモデルを提案する。 注目すべきことに、これは凍ったCLIPの上に軽量の単層核融合トランスを用いて行うことができる。 検索強化コントラスト訓練(RECO)がCLIPの性能を大幅に向上することを示す。
  論文  参考訳（メタデータ） (2023-06-12T15:52:02Z)
• TransAct: Transformer-based Realtime User Action Model for Recommendation at Pinterest [17.247452803197362]
  本稿では、PinterestのHomefeedランキングアーキテクチャについて述べる。 本研究では,リアルタイム活動からユーザの短期的嗜好を抽出するシーケンシャルモデルであるTransActを提案する。 本稿では, アブレーション研究の結果, 生産時の課題, オンラインA/B実験の結果について述べる。
  論文  参考訳（メタデータ） (2023-05-31T23:45:29Z)
• Learning Dual Dynamic Representations on Time-Sliced User-Item Interaction Graphs for Sequential Recommendation [62.30552176649873]
  シーケンシャルレコメンデーションのための動的表現学習モデル(DRL-SRe)を考案する。 両面から動的に特徴付けるためのユーザ・イテム相互作用をモデル化するため,提案モデルでは,時間スライス毎にグローバルなユーザ・イテム相互作用グラフを構築した。 モデルが微粒な時間情報を捕捉することを可能にするため,連続時間スライス上での補助的時間予測タスクを提案する。
  論文  参考訳（メタデータ） (2021-09-24T07:44:27Z)
• PURS: Personalized Unexpected Recommender System for Improving User Satisfaction [76.98616102965023]
  本稿では、予期せぬことを推奨プロセスに組み込んだ、新しいPersonalized Unexpected Recommender System(PURS)モデルについて述べる。 3つの実世界のデータセットに対する大規模なオフライン実験は、提案されたPURSモデルが最先端のベースラインアプローチを大幅に上回っていることを示している。
  論文  参考訳（メタデータ） (2021-06-05T01:33:21Z)
• PreSizE: Predicting Size in E-Commerce using Transformers [76.33790223551074]
  PreSizEは、Transformerを使って正確なサイズ予測を行う新しいディープラーニングフレームワークである。 我々は,PreSizEが従来の最先端のベースラインよりも優れた予測性能を実現できることを示した。 概念実証として、PreSizEによるサイズ予測が、既存の生産推奨システムに統合できることを実証しています。
  論文  参考訳（メタデータ） (2021-05-04T15:23:59Z)
• A Black-Box Attack Model for Visually-Aware Recommender Systems [7.226144684379191]
  視覚認識レコメンデータシステム(RS)は近年,研究の関心が高まっている。 本研究では,外部ソースに依存したRSを攻撃に対して脆弱にすることができることを示す。 ブラックボックスアプローチでは,新たなビジュアルアタックモデルがアイテムのスコアやランキングに効果的に影響を及ぼすことを示す。
  論文  参考訳（メタデータ） (2020-11-05T08:43:12Z)
• Pre-training Graph Transformer with Multimodal Side Information for Recommendation [82.4194024706817]
  本稿では,項目側情報とその関連性を考慮した事前学習戦略を提案する。 我々はMCNSamplingという新しいサンプリングアルゴリズムを開発し、各項目のコンテキスト近傍を選択する。 The proposed Pre-trained Multimodal Graph Transformer (PMGT) learns item representations with two objectives: 1) graph structure reconstruction, 2) masked node feature reconstruction。
  論文  参考訳（メタデータ） (2020-10-23T10:30:24Z)

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。