論文の概要: Advertiser Content Understanding via LLMs for Google Ads Safety

• arxiv url: http://arxiv.org/abs/2409.15343v1
• Date: Tue, 10 Sep 2024 00:57:51 GMT
• ステータス: 翻訳完了
• システム内更新日: 2024-11-10 15:56:10.186238
• Title: Advertiser Content Understanding via LLMs for Google Ads Safety
• Title（参考訳）: Google Ads Safety のための LLM による広告主コンテンツ理解
• Authors: Joseph Wallace, Tushar Dogra, Wei Qiao, Yuan Wang,
• Abstract要約: 本研究では,Large Language Models (LLM) を用いたコンテンツポリシー違反に対する広告主の意図を理解する手法を提案する。 広告、ドメイン、ターゲティング情報等からの複数の信号に基づいて広告主のコンテンツプロファイルを生成する。 最小限のプロンプトチューニングの後、我々の手法は小さなテストセットで95%の精度に達することができた。
• 参考スコア（独自算出の注目度）: 9.376815457907195
• License:
• Abstract: Ads Content Safety at Google requires classifying billions of ads for Google Ads content policies. Consistent and accurate policy enforcement is important for advertiser experience and user safety and it is a challenging problem, so there is a lot of value for improving it for advertisers and users. Inconsistent policy enforcement causes increased policy friction and poor experience with good advertisers, and bad advertisers exploit the inconsistency by creating multiple similar ads in the hope that some will get through our defenses. This study proposes a method to understand advertiser's intent for content policy violations, using Large Language Models (LLMs). We focus on identifying good advertisers to reduce content over-flagging and improve advertiser experience, though the approach can easily be extended to classify bad advertisers too. We generate advertiser's content profile based on multiple signals from their ads, domains, targeting info, etc. We then use LLMs to classify the advertiser content profile, along with relying on any knowledge the LLM has of the advertiser, their products or brand, to understand whether they are likely to violate a certain policy or not. After minimal prompt tuning our method was able to reach 95\% accuracy on a small test set.
• Abstract（参考訳）: GoogleのAds Content Safetyは、Google Adsのコンテンツポリシーのための何十億もの広告を分類する必要がある。 一貫性のある、正確なポリシー執行は、広告主の経験とユーザーの安全にとって重要であり、これは難しい問題であり、広告主やユーザーにとってそれを改善するには多くの価値がある。 一貫性のない政策執行は、良い広告主との政策摩擦と経験不足を増大させ、悪質な広告主は、いくつかの類似した広告を作成し、一部の広告主がわれわれの防衛を乗り越えられることを期待して、不整合を悪用する。 本研究では,Large Language Models (LLMs) を用いて,コンテンツポリシー違反に対する広告主の意図を理解する手法を提案する。 良い広告主を特定することに集中し、コンテンツオーバーフラッグを減らし、広告主体験を改善するが、悪質な広告主を分類するためにも、アプローチを簡単に拡張できる。 広告、ドメイン、ターゲティング情報等からの複数の信号に基づいて広告主のコンテンツプロファイルを生成する。 次に、広告主のコンテンツプロファイルを分類するためにLLMを使用し、広告主のLCMが持つ知識、製品、ブランドに依存して、特定のポリシーに違反しているかどうかを理解する。 最小限のプロンプトチューニングの後、我々の手法は小さなテストセットで95%の精度に達することができた。

関連論文リスト

• On the Use of Proxies in Political Ad Targeting [49.61009579554272]
  我々は、主要な政治広告主がプロキシ属性をターゲットとして緩和を回避したことを示す。 本研究は政治広告の規制に関する議論に重要な意味を持つ。
  論文  参考訳（メタデータ） (2024-10-18T17:15:13Z)
• Why am I Still Seeing This: Measuring the Effectiveness Of Ad Controls and Explanations in AI-Mediated Ad Targeting Systems [55.02903075972816]
  我々は,メタの「より少ない」広告制御の有効性と,AIによるターゲティングへの移行に伴う広告ターゲティング説明の有効性を評価する。 調査対象のトピックに対する"See less"広告コントロールの利用は,Metaがこれらのトピックについて示す広告数を著しく減少させるものではないことがわかった。 ローカル広告の広告ターゲティング説明の大部分は、位置特化ターゲティング基準に言及していない。
  論文  参考訳（メタデータ） (2024-08-21T18:03:11Z)
• Before Blue Birds Became X-tinct: Understanding the Effect of Regime Change on Twitter's Advertising and Compliance of Advertising Policies [0.562479170374811]
  当社は,Twitter上での広告の大規模監査を,プラットフォーム広告ポリシーの遵守に焦点をあてた最初の大規模監査を行った。 われわれは、Twitterの政治・アダルトコンテンツ広告ポリシーに広く従わない証拠を見つける。 主要ブランドはTwitterでの広告を減らし、プラットフォームの広告収入に悪影響を及ぼしたことを示唆した。
  論文  参考訳（メタデータ） (2023-09-22T02:39:53Z)
• Long-Term Ad Memorability: Understanding & Generating Memorable Ads [54.23854539909078]
  広告の記憶可能性に関する大規模な研究は行われていない。 276のブランドをカバーする1749の参加者と2205の広告からなる,最初の記憶可能性データセットであるLAMBDAをリリースする。
  論文  参考訳（メタデータ） (2023-09-01T10:27:04Z)
• Discrimination through Image Selection by Job Advertisers on Facebook [79.21648699199648]
  求人広告における新たな差別手段の出現状況について検討する。 ターゲティングとデリバリーの両方を組み合わせ、求人広告画像の特定の人口層を不均等に表現したり排除したりする。 私たちはFacebook Ad Libraryを使って、このプラクティスの有病率を実証しています。
  論文  参考訳（メタデータ） (2023-06-13T03:43:58Z)
• Problematic Advertising and its Disparate Exposure on Facebook [15.667983888666312]
  我々はFacebookを調査し、問題のあるオンライン広告の理解における重要なギャップを調査する。 高齢者や少数民族の広告が特に表示されることがわかりました。 問題のある広告の22%が広告主から特定のターゲティングをしていないことを考えると、広告配信アルゴリズムがこれらの広告の偏りのある分布に重要な役割を果たしたと推測する。
  論文  参考訳（メタデータ） (2023-06-09T17:23:59Z)
• AI-Driven Contextual Advertising: A Technology Report and Implication Analysis [0.0]
  プログラム広告はデジタル広告空間の自動オークションである。 文脈広告に対する関心は、部分的には現在の個人データへの依存に対する反作用である。 人工知能(AI)の発展により、コンテキストのより深いセマンティックな理解が可能になる。
  論文  参考訳（メタデータ） (2022-05-02T13:44:58Z)
• Auditing for Discrimination in Algorithms Delivering Job Ads [70.02478301291264]
  我々は,求人広告配信における識別アルゴリズムのブラックボックス監査のための新しい手法を開発した。 最初のコントリビューションは、性別や人種などの保護されたカテゴリーによる、広告配信における歪の区別です。 第2に,他の要因と資格の違いによって説明可能なスクリューを区別する監査手法を開発する。 第3に、提案手法を求人広告のための2つの主要なターゲット広告プラットフォーム、FacebookとLinkedInに適用する。
  論文  参考訳（メタデータ） (2021-04-09T17:38:36Z)
• An Empirical Study of In-App Advertising Issues Based on Large Scale App Review Analysis [67.58267006314415]
  われわれは,App StoreとGoogle Playの広告関連ユーザフィードバックに関する大規模分析を行った。 広告関連レビュー36,309件の統計分析から,利用者は使用中のユニーク広告数や広告表示頻度を最も気にしていることがわかった。 いくつかの広告イシュータイプは、他の広告イシューよりも開発者によって迅速に対処される。
  論文  参考訳（メタデータ） (2020-08-22T05:38:24Z)

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。