論文の概要: AutoFR: Automated Filter Rule Generation for Adblocking

• arxiv url: http://arxiv.org/abs/2202.12872v1
• Date: Fri, 25 Feb 2022 18:27:27 GMT
• ステータス: 処理完了
• システム内更新日: 2022-02-28 16:06:54.985151
• Title: AutoFR: Automated Filter Rule Generation for Adblocking
• Title（参考訳）: AutoFR: 広告ブロックのための自動フィルタルール生成
• Authors: Hieu Le, Salma Elmalaki, Athina Markopoulou, and Zubair Shafiq
• Abstract要約: フィルタリストは、フィルタリスト作成者の小さなコミュニティによって手作業でキュレーションされ、維持される。 本稿では,ルール生成と評価のプロセスを完全に自動化する強化学習フレームワークであるAutoFRを紹介する。 ブロック広告と破損回避のトレードオフを制御しながら,マルチアームバンディットに基づくフィルタルールを生成するアルゴリズムを設計する。
• 参考スコア（独自算出の注目度）: 11.199585259018459
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Adblocking relies on filter lists, which are manually curated and maintained by a small community of filter list authors. This manual process is laborious and does not scale well to a large number of sites and over time. We introduce AutoFR, a reinforcement learning framework to fully automate the process of filter rule creation and evaluation. We design an algorithm based on multi-arm bandits to generate filter rules while controlling the trade-off between blocking ads and avoiding breakage. We test our implementation of AutoFR on thousands of sites in terms of efficiency and effectiveness. AutoFR is efficient: it takes only a few minutes to generate filter rules for a site. AutoFR is also effective: it generates filter rules that can block 86% of the ads, as compared to 87% by EasyList while achieving comparable visual breakage. The filter rules generated by AutoFR generalize well to new and unseen sites. We envision AutoFR to assist the adblocking community in automated filter rule generation at scale.
• Abstract（参考訳）: adblockingはフィルタリストに依存しており、手動でキュレートされ、リスト作成者の小さなコミュニティによって維持される。 この手動プロセスは手間がかかり、多くのサイトや時間とともにうまくスケールしない。 本稿では,ルール生成と評価のプロセスを完全に自動化する強化学習フレームワークであるAutoFRを紹介する。 ブロック広告と破損回避のトレードオフを制御しながら,マルチアームバンディットに基づくフィルタルールを生成するアルゴリズムを設計する。 我々は、効率と有効性の観点から、何千ものサイトでAutoFRの実装をテストする。 AutoFRは効率的で、サイトのフィルタルールを生成するのに数分しかかからない。 autofrも有効で、広告の86%をブロックできるフィルタルールを生成する。 autofrが生成するフィルタルールは、新規および未発見のサイトにうまく一般化する。 我々は,自動フィルタルール生成において,広告ブロックコミュニティを支援するためにAutoFRを構想する。

関連論文リスト

• SINBAD: Saliency-informed detection of breakage caused by ad blocking [7.384101553309326]
  フィルタリストのメンテナは、自動破損検出ツールの恩恵を受けることができる。 SINBADは自動破壊検知器で、最先端の精度を20%向上させる。
  論文  参考訳（メタデータ） (2024-05-08T16:35:06Z)
• FAIR: Filtering of Automatically Induced Rules [29.777290150010504]
  本稿では,多数の自動生成ルールからルールをフィルタリングするアルゴリズムを提案する。 本稿では,既存のルールフィルタリング手法と比較して,統計的に有意な結果が得られることを示す。
  論文  参考訳（メタデータ） (2024-02-23T18:04:54Z)
• Efficient CNNs via Passive Filter Pruning [23.661189257759535]
  畳み込みニューラルネットワーク(CNN)は、様々なアプリケーションで最先端のパフォーマンスを示している。 CNNは、高い計算複雑性とメモリストレージを必要とするため、リソース不足である。 CNNにおける計算効率向上に向けた最近の取り組みには、フィルタプルーニング法がある。
  論文  参考訳（メタデータ） (2023-04-05T09:19:19Z)
• Sparse Regularized Correlation Filter for UAV Object Tracking with adaptive Contextual Learning and Keyfilter Selection [20.786475337107472]
  相関フィルタは無人航空機(UAV)の追跡に広く応用されている。 2つの固有の欠陥、すなわち境界効果とフィルタの破損のために脆弱である。 本稿では,適応型文脈学習とキーフィルタ選択を用いた新しい$ell_1$正規化相関フィルタを提案する。
  論文  参考訳（メタデータ） (2022-05-07T10:25:56Z)
• Pruning Networks with Cross-Layer Ranking & k-Reciprocal Nearest Filters [151.2423480789271]
  フィルタレベルのネットワークプルーニングには,CLR-RNFと呼ばれる新しいプルーニング法が提案されている。 我々は,CIFAR-10 と ImageNet で画像分類を行い,CLR-RNF が最先端技術よりも優れていることを示す。
  論文  参考訳（メタデータ） (2022-02-15T04:53:24Z)
• Training Compact CNNs for Image Classification using Dynamic-coded Filter Fusion [139.71852076031962]
  動的符号化フィルタ融合(DCFF)と呼ばれる新しいフィルタプルーニング法を提案する。 我々は、効率的な画像分類のために、計算経済的および正規化のない方法でコンパクトなCNNを導出する。 我々のDCFFは、72.77MのFLOPと1.06Mのパラメータしか持たないコンパクトなVGGNet-16を導出し、トップ1の精度は93.47%に達した。
  論文  参考訳（メタデータ） (2021-07-14T18:07:38Z)
• Unsharp Mask Guided Filtering [53.14430987860308]
  本論文の目的は,フィルタ中の構造伝達の重要性を強調した画像フィルタリングである。 アンシャープマスキングにインスパイアされたガイドフィルタの新しい簡易な定式化を提案する。 我々の定式化は低域フィルタに先立ってフィルタを楽しみ、単一の係数を推定することで明示的な構造伝達を可能にする。
  論文  参考訳（メタデータ） (2021-06-02T19:15:34Z)
• Data Agnostic Filter Gating for Efficient Deep Networks [72.4615632234314]
  現在のフィルタプルーニング法は主に特徴写像を利用してフィルタの重要なスコアを生成し、より小さなスコアのプルーンを生成する。 本稿では,Daggerモジュールと呼ばれる補助的ネットワークを用いてプルーニングを誘導するデータフィルタプルーニング手法を提案する。 さらに,特定のFLOP制約でプルーネフィルタを支援するために,明示的なFLOPを意識した正規化を活用して,プルーニングフィルタを直接対象のFLOPに向けて推進する。
  論文  参考訳（メタデータ） (2020-10-28T15:26:40Z)
• Filter Grafting for Deep Neural Networks: Reason, Method, and Cultivation [86.91324735966766]
  フィルタは現代の畳み込みニューラルネットワーク(CNN)のキーコンポーネントである 本稿では,この目的を達成するためにフィルタグラフト(textbfMethod)を導入する。 我々は,フィルタの情報を測定するための新しい基準と,グラフトされた情報をネットワーク間でバランスをとるための適応重み付け戦略を開発する。
  論文  参考訳（メタデータ） (2020-04-26T08:36:26Z)
• Keyfilter-Aware Real-Time UAV Object Tracking [28.90501292821063]
  相関フィルタに基づく追跡は無人航空機(UAV)に広く応用されている 境界効果とフィルタ腐敗という2つの欠陥がある。 同時ローカライゼーションとマッピングにインスパイアされ、視覚的トラッキングにおいて初めてkey-of-filterが提案される。
  論文  参考訳（メタデータ） (2020-03-11T11:11:16Z)
• Filter Grafting for Deep Neural Networks [71.39169475500324]
  ディープニューラルネットワーク(DNN)の表現能力向上を目的としたフィルタグラフト 我々は,フィルタの情報を測定するエントロピーベースの基準と,ネットワーク間のグラフト情報のバランスをとるための適応重み付け戦略を開発する。 例えば、グラフトされたMobileNetV2は、CIFAR-100データセットで非グラフトされたMobileNetV2を約7%上回っている。
  論文  参考訳（メタデータ） (2020-01-15T03:18:57Z)

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。