論文の概要: OKG: On-the-Fly Keyword Generation in Sponsored Search Advertising

• arxiv url: http://arxiv.org/abs/2412.03577v1
• Date: Mon, 18 Nov 2024 03:02:06 GMT
• ステータス: 翻訳完了
• システム内更新日: 2024-12-08 09:16:05.024450
• Title: OKG: On-the-Fly Keyword Generation in Sponsored Search Advertising
• Title（参考訳）: OKG:スポンサー付き検索広告におけるオンザフライキーワード生成
• Authors: Zhao Wang, Briti Gangopadhyay, Mengjie Zhao, Shingo Takamatsu,
• Abstract要約: On-the-fly Keyword Generation (OKG) は、変化を監視し、キーワード生成をリアルタイムで適応するエージェントベースの手法である。 OKGは従来の方法に比べて適応性と応答性を大幅に改善する。
• 参考スコア（独自算出の注目度）: 11.100360578510223
• License:
• Abstract: Current keyword decision-making in sponsored search advertising relies on large, static datasets, limiting the ability to automatically set up keywords and adapt to real-time KPI metrics and product updates that are essential for effective advertising. In this paper, we propose On-the-fly Keyword Generation (OKG), an LLM agent-based method that dynamically monitors KPI changes and adapts keyword generation in real time, aligning with strategies recommended by advertising platforms. Additionally, we introduce the first publicly accessible dataset containing real keyword data along with its KPIs across diverse domains, providing a valuable resource for future research. Experimental results show that OKG significantly improves keyword adaptability and responsiveness compared to traditional methods. The code for OKG and the dataset are available at https://github.com/sony/okg.
• Abstract（参考訳）: スポンサー付き検索広告における現在のキーワード決定は、大きな静的データセットに依存しており、キーワードを自動セットアップし、リアルタイムのKPIメトリクスや効果的な広告に不可欠な製品更新に適応する能力を制限する。 本稿では,KPI変化を動的に監視し,キーワード生成をリアルタイムに適応させるLLMエージェントを用いたオンザフライキーワード生成(OKG)を提案する。 さらに、実際のキーワードデータを含む最初の公開データセットと、さまざまなドメインにまたがるKPIを導入し、将来の研究に有用なリソースを提供する。 実験の結果,OKGは従来の手法と比較して,キーワード適応性と応答性を大幅に向上することがわかった。 OKGとデータセットのコードはhttps://github.com/sony/okgで公開されている。

関連論文リスト

• Text-Video Retrieval with Global-Local Semantic Consistent Learning [122.15339128463715]
  我々は,シンプルで効果的なグローバル局所意味的一貫性学習(GLSCL)を提案する。 GLSCLは、テキストビデオ検索のためのモダリティをまたいだ潜在共有セマンティクスを活用する。 本手法はSOTAと同等の性能を実現し,計算コストの約220倍の高速化を実現している。
  論文  参考訳（メタデータ） (2024-05-21T11:59:36Z)
• Enhancing Phrase Representation by Information Bottleneck Guided Text Diffusion Process for Keyphrase Extraction [9.307602861891926]
  キーフレーズ抽出は自然言語処理において重要な課題である。 本研究では,拡張キーフレーズ表現を生成するためのテキスト拡散過程を導出するDiff-KPEを提案する。 実験により、Diff-KPEは、大規模なオープンドメインキーフレーズ抽出ベンチマーク、OpenKP、科学ドメインデータセットKP20Kにおいて、既存のKPEメソッドよりも優れていることが示された。
  論文  参考訳（メタデータ） (2023-08-17T02:26:30Z)
• Efficient Image-Text Retrieval via Keyword-Guided Pre-Screening [53.1711708318581]
  現在の画像テキスト検索法は、N$関連時間複雑さに悩まされている。 本稿では,画像テキスト検索のための簡易かつ効果的なキーワード誘導事前スクリーニングフレームワークを提案する。
  論文  参考訳（メタデータ） (2023-03-14T09:36:42Z)
• Pre-trained Language Models for Keyphrase Generation: A Thorough Empirical Study [76.52997424694767]
  事前学習言語モデルを用いて,キーフレーズ抽出とキーフレーズ生成の詳細な実験を行った。 PLMは、競争力のある高リソース性能と最先端の低リソース性能を持つことを示す。 さらに,領域内のBERTライクなPLMを用いて,強大かつデータ効率のよいキーフレーズ生成モデルを構築できることが示唆された。
  論文  参考訳（メタデータ） (2022-12-20T13:20:21Z)
• 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)
• DetCLIP: Dictionary-Enriched Visual-Concept Paralleled Pre-training for Open-world Detection [118.36746273425354]
  本稿では,デザインされた概念辞書から知識の豊かさを生かして,オープンワールド検出のための並列視覚概念事前学習手法を提案する。 概念をそれらの記述で豊かにすることにより、オープンドメイン学習を促進するために、さまざまな概念間の関係を明確に構築する。 提案フレームワークは、例えばLVISデータセット上で、強力なゼロショット検出性能を示し、私たちのDetCLIP-TはGLIP-Tを9.9%向上させ、レアカテゴリで13.5%改善した。
  論文  参考訳（メタデータ） (2022-09-20T02:01:01Z)
• 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)
• Deep Keyphrase Completion [59.0413813332449]
  Keyphraseは、非常にコンパクトで簡潔で、意味に満ちた文書内容の正確な情報を提供し、談話理解、組織化、テキスト検索に広く利用されている。 本論文では,文書内容と既知のキーフレーズの数が極めて限られているため,テキストキーフレーズの完全化(KPC)を提案し,文書中のキーフレーズをより多く生成する(科学出版など)。 深層学習フレームワークを通じて、既知のキーフレーズとともに文書内容の深い意味的意味を捉えようとすることから、textitdeep keyphrase completion (DKPC) と命名する。
  論文  参考訳（メタデータ） (2021-10-29T07:15:35Z)
• Keyphrase Extraction with Dynamic Graph Convolutional Networks and Diversified Inference [50.768682650658384]
  キーワード抽出(KE)は、ある文書でカバーされている概念やトピックを正確に表現するフレーズの集合を要約することを目的としている。 最近のシークエンス・ツー・シークエンス(Seq2Seq)ベースの生成フレームワークはKEタスクで広く使われ、様々なベンチマークで競合性能を得た。 本稿では,この2つの問題を同時に解くために,動的グラフ畳み込みネットワーク(DGCN)を採用することを提案する。
  論文  参考訳（メタデータ） (2020-10-24T08:11:23Z)
• Capturing Global Informativeness in Open Domain Keyphrase Extraction [40.57116173502994]
  Open- domain KeyPhrase extract (KPE)は、ドメインや品質の制約なしにドキュメントからキーフレーズを抽出することを目的としている。 本稿では,事前学習言語モデルに基づくオープンドメインKPEアーキテクチャであるJointKPEを提案する。 JointKPEは、ドキュメント全体の情報度を見積もることで、キーフレーズのランク付けを学び、キーフレーズチャンキングタスクで共同で訓練される。
  論文  参考訳（メタデータ） (2020-04-28T16:34:35Z)

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。