論文の概要: Soft Frequency Capping for Improved Ad Click Prediction in Yahoo Gemini Native

• arxiv url: http://arxiv.org/abs/2312.05052v1
• Date: Fri, 8 Dec 2023 14:12:49 GMT
• ステータス: 処理完了
• システム内更新日: 2023-12-11 15:01:43.810406
• Title: Soft Frequency Capping for Improved Ad Click Prediction in Yahoo Gemini Native
• Title（参考訳）: Yahoo Gemini Nativeにおける広告クリック予測改善のためのソフト周波数キャッピング
• Authors: Michal Aharon and Yohay Kaplan and Rina Levy and Oren Somekh and Ayelet Blanc and Neetai Eshel and Avi Shahar and Assaf Singer and Alex Zlotnik
• Abstract要約: Yahooのネイティブ広告(Gemini Nativeとも呼ばれる)は毎日何十億もの広告インプレッションを提供しており、年間1億米ドルのランレートに達している。 Offsetは、勾配降下(SGD)ベースのアプローチを使用して、新しいログデータのバッチ毎にモデルを更新するワンパスアルゴリズムである。 ユーザアド機能として周波数特徴をOFFSETモデルに組み込んだソフト周波数キャッピング(SFC)手法を提案し,その重みベクトルはロジスティック回帰により学習する。
• 参考スコア（独自算出の注目度）: 1.9315883475944244
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Yahoo's native advertising (also known as Gemini native) serves billions of ad impressions daily, reaching a yearly run-rate of many hundred of millions USD. Driving the Gemini native models that are used to predict both click probability (pCTR) and conversion probability (pCONV) is OFFSET - a feature enhanced collaborative-filtering (CF) based event prediction algorithm. \offset is a one-pass algorithm that updates its model for every new batch of logged data using a stochastic gradient descent (SGD) based approach. Since OFFSET represents its users by their features (i.e., user-less model) due to sparsity issues, rule based hard frequency capping (HFC) is used to control the number of times a certain user views a certain ad. Moreover, related statistics reveal that user ad fatigue results in a dramatic drop in click through rate (CTR). Therefore, to improve click prediction accuracy, we propose a soft frequency capping (SFC) approach, where the frequency feature is incorporated into the OFFSET model as a user-ad feature and its weight vector is learned via logistic regression as part of OFFSET training. Online evaluation of the soft frequency capping algorithm via bucket testing showed a significant 7.3% revenue lift. Since then, the frequency feature enhanced model has been pushed to production serving all traffic, and is generating a hefty revenue lift for Yahoo Gemini native. We also report related statistics that reveal, among other things, that while users' gender does not affect ad fatigue, the latter seems to increase with users' age.
• Abstract（参考訳）: Yahooのネイティブ広告(Gemini Nativeとも呼ばれる)は毎日何十億もの広告インプレッションを提供しており、年間1億米ドルのランレートに達している。 クリック確率(pCTR)と変換確率(pCONV)の両方を予測するのに使用されるGeminiネイティブモデルを駆動するのは、CFベースのイベント予測アルゴリズムであるOFFSETである。 \offsetは、確率勾配勾配(SGD)ベースのアプローチを使用して、新しいログデータのバッチ毎にモデルを更新するワンパスアルゴリズムである。 offsetはユーザの特徴(すなわちユーザレスモデル)によってユーザを表現するため、ルールベースのハード周波数キャッピング(hfc)は、あるユーザが特定の広告を見た回数を制御するために使用される。 さらに,ユーザ広告の疲労によりクリックスルーレート(CTR)が劇的に低下することが明らかとなった。 そこで,クリック予測精度を向上させるために,周波数特徴をユーザアド機能としてオフセットモデルに組み込み,その重みベクトルをオフセットトレーニングの一部としてロジスティック回帰によって学習するソフト周波数キャッピング(sfc)アプローチを提案する。 バケットテストによるソフト周波数キャッピングアルゴリズムのオンライン評価は7.3%の収益向上を示した。 それ以来、周波数機能の強化されたモデルは全トラフィックに対応し、Yahoo Geminiネイティブ向けの巨大な収益を上げている。 また,利用者の性別は広告疲労に影響しないが,後者は年齢とともに増加傾向にあることを示す関連統計を報告する。

関連論文リスト

• Unbiased Filtering Of Accidental Clicks in Verizon Media Native Advertising [1.6717433307723157]
  我々は、クリックのいくつかが短寿命であることに気付いた場合、クリックスルー率(CTR)を予測することの課題に焦点を当てる。 偶然クリックすると、ユーザーと広告の間に親和性はほとんどなく、類似ユーザーが広告をクリックすると予測するのは不正確だ。 本稿では,偶発クリックの発生確率に基づいて,偶発クリックの正の重みを全ての負の事象(スキップ)に分配する手法を提案する。
  論文  参考訳（メタデータ） (2023-12-08T12:54:30Z)
• Robust Collaborative Filtering to Popularity Distribution Shift [56.78171423428719]
  本稿では,テストデータに仮定することなく,インタラクションワイドな人気ショートカットを定量化し,削減する,シンプルで効果的なデバイアス対策であるPopGoを提案する。 IDとOODの両方のテストセットにおいて、PopGoは最先端のデバイアス戦略よりも大幅に向上している。
  論文  参考訳（メタデータ） (2023-10-16T04:20:52Z)
• Prune Spatio-temporal Tokens by Semantic-aware Temporal Accumulation [89.88214896713846]
  STAスコアは、時間的冗長性と意味的重要性の2つの重要な要因を考慮に入れている。 市販のビデオトランスフォーマーとビデオウィンにSTAモジュールを適用する。 結果: Kinetics-400 と something-Something V2 は 30% のオーバーシェルフ削減を実現し,0.2% の精度低下を実現した。
  論文  参考訳（メタデータ） (2023-08-08T19:38:15Z)
• Click-Conversion Multi-Task Model with Position Bias Mitigation for Sponsored Search in eCommerce [51.211924408864355]
  位置認識型クリック変換(PACC)と位置埋め込み(PACC-PE)によるPACCの2つの位置バイアスのない予測モデルを提案する。 Eコマースが支援する製品検索データセットの実験により、提案したモデルではランキングの有効性が向上し、CTRとCVRの予測における位置バイアスを大幅に軽減できることが示された。
  論文  参考訳（メタデータ） (2023-07-29T19:41:16Z)
• FE-TCM: Filter-Enhanced Transformer Click Model for Web Search [10.91456636784484]
  特徴抽出のバックボーンネットワークとしてTransformerを使用し、フィルタ層を革新的に追加し、Web検索のための新しいフィルタ拡張トランスフォーマークリックモデル(FE-TCM)を提案する。 FE-TCMは、クリック予測のために既存のクリックモデルより優れている。
  論文  参考訳（メタデータ） (2023-01-19T02:51:47Z)
• Profiling Television Watching Behaviour Using Bayesian Hierarchical Joint Models for Time-to-Event and Count Data [9.33192719245965]
  本稿では,テレビ視聴におけるイベント数に基づいて,顧客プロファイルを特徴付ける新しいベイズ階層型ジョイントモデルを提案する。 このモデルは、顧客毎の何千もの観測結果から、11の顧客レベルのパラメータ推定とランダムな影響まで、データの次元を大幅に削減します。 提案手法は,高記述性と予測能力を維持しながら,データの次元性を低減する効率的な方法である。
  論文  参考訳（メタデータ） (2022-09-06T16:29:15Z)
• Meta-Wrapper: Differentiable Wrapping Operator for User Interest Selection in CTR Prediction [97.99938802797377]
  クリックスルー率(CTR)予測は、ユーザーが商品をクリックする確率を予測することを目的としており、リコメンデーションシステムにおいてますます重要になっている。 近年,ユーザの行動からユーザの興味を自動的に抽出する深層学習モデルが大きな成功を収めている。 そこで我々は,メタラッパー(Meta-Wrapper)と呼ばれるラッパー手法の枠組みに基づく新しい手法を提案する。
  論文  参考訳（メタデータ） (2022-06-28T03:28:15Z)
• CausalMTA: Eliminating the User Confounding Bias for Causal Multi-touch Attribution [16.854552780506822]
  ユーザの好みの影響を排除するために,CausalMTAを提案する。 CaulMTAは最先端手法よりも優れた予測性能を実現する。 また、異なる広告チャンネル間で有意義な属性クレジットを生成する。
  論文  参考訳（メタデータ） (2021-12-21T01:59:16Z)
• Less is More: Sparse Sampling for Dense Reaction Predictions [60.005266111509435]
  本稿では,ビデオチャレンジからの2021Evoked Expressionを提案する。 本モデルでは,音声と画像の両モードを入力として,視聴者の感情変化を予測する。 提案手法は, 最終プライベートテストセットにおいて, ピアソンの相関スコア0.04430を達成した。
  論文  参考訳（メタデータ） (2021-06-03T11:33:59Z)
• SLOE: A Faster Method for Statistical Inference in High-Dimensional Logistic Regression [68.66245730450915]
  実用データセットに対する予測の偏見を回避し、頻繁な不確実性を推定する改善された手法を開発している。 私たちの主な貢献は、推定と推論の計算時間をマグニチュードの順序で短縮する収束保証付き信号強度の推定器SLOEです。
  論文  参考訳（メタデータ） (2021-03-23T17:48:56Z)
• Capturing Delayed Feedback in Conversion Rate Prediction via Elapsed-Time Sampling [29.77426549280091]
  コンバージョンレート(CVR)予測は、デジタルディスプレイ広告において最も重要なタスクの1つである。 Elapsed-Time Smpling Delayed Feedback Model (ES-DFM) を提案する。
  論文  参考訳（メタデータ） (2020-12-06T12:20:50Z)

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。