論文の概要: Keyword Decisions in Sponsored Search Advertising: A Literature Review and Research Agenda

• arxiv url: http://arxiv.org/abs/2302.12372v1
• Date: Fri, 24 Feb 2023 00:24:17 GMT
• ステータス: 処理完了
• システム内更新日: 2023-02-27 15:00:31.156384
• Title: Keyword Decisions in Sponsored Search Advertising: A Literature Review and Research Agenda
• Title（参考訳）: スポンサー付き検索広告におけるキーワード決定:文献レビューと研究課題
• Authors: Yanwu Yang and Huiran Li
• Abstract要約: キーワードはビジネスモデルの基本単位として機能し、消費者、広告主、検索エンジンの3つの利害関係者をリンクする。 本稿では,検索広告管理におけるタッチポイントを強調したキーワード決定のための包括的なフレームワークを提案する。 本フレームワークを用いて,キーワード決定に関する最新の研究文献を,技術,入力特徴,評価指標についてレビューする。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: In sponsored search advertising (SSA), keywords serve as the basic unit of business model, linking three stakeholders: consumers, advertisers and search engines. This paper presents an overarching framework for keyword decisions that highlights the touchpoints in search advertising management, including four levels of keyword decisions, i.e., domain-specific keyword pool generation, keyword targeting, keyword assignment and grouping, and keyword adjustment. Using this framework, we review the state-of-the-art research literature on keyword decisions with respect to techniques, input features and evaluation metrics. Finally, we discuss evolving issues and identify potential gaps that exist in the literature and outline novel research perspectives for future exploration.
• Abstract（参考訳）: スポンサード検索広告(ssa)では、キーワードはビジネスモデルの基本単位であり、消費者、広告主、検索エンジンの3つの利害関係者を結びつける。 本稿では,キーワードプール生成,キーワードターゲティング,キーワード割り当てとグループ化,キーワード調整の4段階を含む,検索広告管理におけるタッチポイントを強調する,キーワード決定のための包括的フレームワークを提案する。 本フレームワークを用いて,キーワード決定に関する最新の研究文献を,技術,入力特徴,評価指標についてレビューする。 最後に,進化する問題について議論し,文献に存在する潜在的なギャップを特定し,今後の探究のための新たな研究展望を概説する。

関連論文リスト

• Large Search Model: Redefining Search Stack in the Era of LLMs [63.503320030117145]
  我々は,1つの大言語モデル(LLM)で検索タスクを統一することにより,従来の検索スタックを再定義する,大規模検索モデルと呼ばれる新しい概念的フレームワークを導入する。 全てのタスクは自動回帰テキスト生成問題として定式化され、自然言語のプロンプトを使ってタスクをカスタマイズできる。 提案フレームワークは,LLMの強力な言語理解と推論能力を活用し,既存の検索スタックを簡素化しつつ,検索結果の質を向上させる能力を提供する。
  論文  参考訳（メタデータ） (2023-10-23T05:52:09Z)
• NERetrieve: Dataset for Next Generation Named Entity Recognition and Retrieval [49.827932299460514]
  我々は、大きな言語モデルによって提供される能力は、NER研究の終わりではなく、むしろエキサイティングな始まりであると主張する。 我々は、NERタスクの3つの変種と、それらをサポートするデータセットを示す。 500のエンティティタイプをカバーする400万段落の,大規模で銀の注釈付きコーパスを提供する。
  論文  参考訳（メタデータ） (2023-10-22T12:23:00Z)
• Towards Open Vocabulary Learning: A Survey [146.90188069113213]
  ディープニューラルネットワークは,セグメンテーションやトラッキング,検出といった,さまざまなコアタスクにおいて,目覚ましい進歩を遂げている。 近年、視覚言語事前学習の急速な進歩により、オープンな語彙設定が提案されている。 本稿では,その分野における最近の発展を要約し分析し,オープンな語彙学習の徹底的なレビューを行う。
  論文  参考訳（メタデータ） (2023-06-28T02:33:06Z)
• Keyword Embeddings for Query Suggestion [3.7900158137749322]
  本稿では,科学文献に基づいて学習したキーワード提案タスクのための2つの新しいモデルを提案する。 我々の手法はWord2VecとFastTextのアーキテクチャに適応し、文書のキーワード共起を利用してキーワード埋め込みを生成する。 我々は,タスクのベースラインよりも大幅に改善された,最先端の単語と文の埋め込みモデルに対する提案を評価した。
  論文  参考訳（メタデータ） (2023-01-19T11:13:04Z)
• Keyword Targeting Optimization in Sponsored Search Advertising: Combining Selection and Matching [0.0]
  最適なキーワードターゲティング戦略は、適切な人口に効果的に到達することを保証する。 本稿では,過去の広告パフォーマンス指標の不完全性から,キーワードターゲティングの問題に対処することを目的とする。 実験の結果, (a) BB-KSMは利益率において7つの基準線を上回り, (b) BB-KSMは予算の増加とともにその優位性を示した。
  論文  参考訳（メタデータ） (2022-10-19T03:37:32Z)
• Optimal Keywords Grouping in Sponsored Search Advertising under Uncertain Environments [0.0]
  本稿では,キーワードグループ化のためのプログラミングモデルを提案する。 クリックスルーレートと変換レートをランダム変数として取ります。 このモデルを解くために分岐結合アルゴリズムを開発した。
  論文  参考訳（メタデータ） (2022-03-04T08:54:50Z)
• Keyword Optimization in Sponsored Search Advertising: A Multi-Level Computational Framework [20.22050119811848]
  キーワードは広告主、検索ユーザー、検索エンジンを繋ぐ重要な橋として機能する。 本稿では,キーワード最適化のためのマルチレベル・クローズドフォーム計算フレームワークを提案する。
  論文  参考訳（メタデータ） (2022-02-28T02:03:14Z)
• Unsupervised Key-phrase Extraction and Clustering for Classification Scheme in Scientific Publications [0.0]
  本稿では,システムマッピング (SM) とシステムレビュー (SR) プロセスの自動化の可能性について検討する。 キーフレーズは教師なしの方法で科学文書から抽出され、対応する分類体系を構築するために使用される。 また、クラスタリングを使って関連するキーフレーズをグループ化する方法についても検討する。
  論文  参考訳（メタデータ） (2021-01-25T10:17:33Z)
• A New Neural Search and Insights Platform for Navigating and Organizing AI Research [56.65232007953311]
  我々は、古典的なキーワード検索とニューラル検索を組み合わせた新しいプラットフォームであるAI Research Navigatorを導入し、関連する文献を発見し整理する。 本稿では,システム全体のアーキテクチャの概要と,文書分析,質問応答,検索,分析,専門家検索,レコメンデーションの構成要素について概説する。
  論文  参考訳（メタデータ） (2020-10-30T19:12:25Z)
• A Survey on Text Classification: From Shallow to Deep Learning [83.47804123133719]
  過去10年は、ディープラーニングが前例のない成功を収めたために、この分野の研究が急増している。 本稿では,1961年から2021年までの最先端のアプローチを見直し,そのギャップを埋める。 特徴抽出と分類に使用されるテキストとモデルに基づいて,テキスト分類のための分類を作成する。
  論文  参考訳（メタデータ） (2020-08-02T00:09:03Z)
• Dynamic Knowledge Routing Network For Target-Guided Open-Domain Conversation [79.7781436501706]
  本稿では,粗いキーワードを導入することで,システム応答の意図した内容を制御する構造的アプローチを提案する。 また,対話を円滑な目標達成に導くために,より高い成功率で対話を誘導する新たな二重談話レベルの目標誘導戦略を提案する。
  論文  参考訳（メタデータ） (2020-02-04T09:49:36Z)

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。