Fugu-MT 論文翻訳(概要): Improving Ads-Profitability Using Traffic-Fingerprints

論文の概要: Improving Ads-Profitability Using Traffic-Fingerprints

arxiv url: http://arxiv.org/abs/2206.02630v1
Date: Tue, 31 May 2022 08:02:30 GMT
ステータス: 処理完了
システム内更新日: 2022-06-12 09:39:04.722952
Title: Improving Ads-Profitability Using Traffic-Fingerprints
Title（参考訳）: トラヒックフィンガープリントによる広告収益性の向上
Authors: Adam Gabriel Dobrakowski and Andrzej Pacuk and Piotr Sankowski and Marcin Mucha and Pawe{\l} Brach
Abstract要約: トラフィックフィンガープリントの類似性は、これらのページに表示される広告の収益性時間パターンの類似性に関連していることを示す。ページのクラスタ全体をブロックまたはアンブロックすることで、オンラインキャンペーンの収益を50%以上増やすことができました。
参考スコア（独自算出の注目度）: 3.872856581087365
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: This paper introduces the concept of traffic-fingerprints, i.e., normalized 24-dimensional vectors representing a distribution of daily traffic on a web page. Using k-means clustering we show that similarity of traffic-fingerprints is related to the similarity of profitability time patterns for ads shown on these pages. In other words, these fingerprints are correlated with the conversions rates, thus allowing us to argue about conversion rates on pages with negligible traffic. By blocking or unblocking whole clusters of pages we were able to increase the revenue of online campaigns by more than 50%.
Abstract（参考訳）: 本稿では,日々のトラフィックの分布を表す正規化された24次元ベクトルをWebページ上で紹介する。 k-平均クラスタリングを用いて、これらのページに表示される広告の収益性時間パターンの類似性に関連して、トラフィックフィンガープリントの類似性を示す。言い換えれば、これらの指紋は変換率と相関しており、無視可能なトラフィックを持つページの変換率について議論することができる。ページ全体のクラスタをブロックまたはブロックすることで、オンラインキャンペーンの収益を50%以上増やすことができました。

関連論文リスト

Improving Traffic Flow Predictions with SGCN-LSTM: A Hybrid Model for Spatial and Temporal Dependencies [55.2480439325792]
本稿ではSGCN-LSTM(Signal-Enhanced Graph Convolutional Network Long Short Term Memory)モデルを提案する。 PEMS-BAYロードネットワークトラフィックデータセットの実験は、SGCN-LSTMモデルの有効性を示す。
論文参考訳（メタデータ） (2024-11-01T00:37:00Z)
Towards Fine-Grained Webpage Fingerprinting at Scale [18.201489295361892]
Webサイトフィンガープリント(WF)攻撃は、暗号化されたトラフィックパターンを分析することで、Torクライアントが訪れたウェブサイトを効果的に識別することができる。既存の攻撃は、異なるウェブサイトを特定することに重点を置いているが、その精度は、きめ細かいWebページを特定するために適用されると劇的に低下する。機能空間を変換することで、難読化トラフィックから異なるWebページを識別するマルチラベルメトリック学習に基づくWPF攻撃であるOscarを提案する。
論文参考訳（メタデータ） (2024-09-06T15:21:00Z)
Towards Scalable Topic Detection on Web via Simulating Levy Walks Nature of Topics in Similarity Space [55.97416108140739]
類似性空間におけるLevi Walk自然をシミュレートすることで,グループトピックに対する新しい,しかし非常に強力なExplore-Exploit(EE)アプローチを提案する。 2つの公開データセットの実験により、我々の手法は、有効性の観点からは最先端の手法に匹敵するだけでなく、効率面では最先端の手法よりも著しく優れていることが示された。
論文参考訳（メタデータ） (2024-07-26T07:19:46Z)
Cross-domain Few-shot In-context Learning for Enhancing Traffic Sign Recognition [49.20086587208214]
交通信号認識の強化を目的としたMLLMに基づくドメイン間数ショットインコンテキスト学習手法を提案する。記述テキストを使用することで、テンプレートと実際の交通標識のドメイン間差を低減することができる。提案手法は,大規模交通標識画像やラベルを必要とせず,単純かつ均一なテキスト表示のみを必要とする。
論文参考訳（メタデータ） (2024-07-08T10:51:03Z)
ICST-DNET: An Interpretable Causal Spatio-Temporal Diffusion Network for Traffic Speed Prediction [47.17205142864036]
ICST-DENTはSpatio-Temporal Causality Learning (STCL)、Causal Graph Generation (CGG)、Speed Fluctuation Pattern Recognition (SFPR)の3つの部分から構成されている。 ICST-DENTは、より高い予測精度、因果関係を説明する能力、異なるシナリオへの適応性によって証明されているように、既存のすべてのベースラインを上回ることができる。
論文参考訳（メタデータ） (2024-04-22T03:35:19Z)
BjTT: A Large-scale Multimodal Dataset for Traffic Prediction [49.93028461584377]
従来の交通予測手法は、交通トレンドを予測するために、過去の交通データに依存している。本研究では,交通システムを記述するテキストと生成モデルを組み合わせることで,交通生成にどのように応用できるかを考察する。本稿では,テキスト・トラフィック生成のための最初の拡散モデルChatTrafficを提案する。
論文参考訳（メタデータ） (2024-03-08T04:19:56Z)
Pattern retrieval of traffic congestion using graph-based associations of traffic domain-specific features [5.32051334268552]
本稿では,高速道路渋滞の交通パターンをコンテンツベースで検索するシステムを提案する。検索結果を効果的に解釈するために,従来のコンポーネントに対するグラフベースのアプローチ(リレーショナルグラフ)を提案する。後者のコンポーネントでは、ユーザの期待に応じて、混雑パターン間の類似性をカスタマイズできる。
論文参考訳（メタデータ） (2023-11-28T22:33:22Z)
Clustering of Urban Traffic Patterns by K-Means and Dynamic Time Warping: Case Study [2.012144743140005]
都市交通パターンのクラスタリングにおける2つの重要な応用について述べる。最初のアプリケーションは、地図タイルをカラー化するために、類似のトラフィックパターンを持つ道路セグメントの速度を用いて、欠落した速度値を推定する。 2つ目は、異なる道路セグメントの類似パターンを用いて、地図上の局所点のアドレスを生成するための重要な道路セグメントの推定である。
論文参考訳（メタデータ） (2023-09-18T14:50:46Z)
FDTI: Fine-grained Deep Traffic Inference with Roadnet-enriched Graph [10.675666104503119]
本稿では,詳細な深部交通推論をedIと呼ぶ。道路間の関係をモデル化するために,交通信号に基づくきめ細かい交通グラフを構築した。私たちは、都市レベルのきめ細かい交通予測を最初に実施しました。
論文参考訳（メタデータ） (2023-06-19T14:03:42Z)
Relation-based Motion Prediction using Traffic Scene Graphs [12.68339084600328]
交通現場の関連情報を表現し,その環境を理解することは,自動運転の成功に不可欠である。本研究では,交通参加者に関する様々な予測を行うために,交通シーンを空間意味シーングラフの形式でモデル化する。我々の学習と推論手法はグラフニューラルネットワーク(GNN)を用いて,交通参加者間の空間的意味関係に関する明示的な情報を取り入れることで,述語結果が改善されることを示す。
論文参考訳（メタデータ） (2022-11-24T13:04:08Z)
Spatial-Temporal Tensor Graph Convolutional Network for Traffic Prediction [46.762437988118386]
本稿では,交通速度予測に対処する空間時間グラフ畳み込みネットワークを提案する。計算負荷を軽減するために、タッカーテンソル分解を行い、テンソル畳み込みを導出する。 2つの実世界の交通速度データセットの実験は、従来の交通予測方法よりも効果的な方法を示しています。
論文参考訳（メタデータ） (2021-03-10T15:28:07Z)

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。