論文の概要: Leveraging ChatGPT for Sponsored Ad Detection and Keyword Extraction in YouTube Videos

• arxiv url: http://arxiv.org/abs/2502.15102v1
• Date: Thu, 20 Feb 2025 23:44:15 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-02-24 19:42:18.285324
• Title: Leveraging ChatGPT for Sponsored Ad Detection and Keyword Extraction in YouTube Videos
• Title（参考訳）: YouTubeビデオにおけるスポンサー広告検出とキーワード抽出のためのChatGPTの活用
• Authors: Brice Valentin Kok-Shun, Johnny Chan,
• Abstract要約: このワーク・イン・プログレス・ペーパーは、YouTubeビデオのスポンサー付き広告セグメントを検出するための新しいアプローチを提案する。 提案手法は421個の自動生成および手書き文字起こしを,広告検出のためのプロンプトエンジニアリングされたGPT-4oに供給する。 その結果、さまざまな教育分野における製品関連広告の有意な普及が明らかになった。
• 参考スコア（独自算出の注目度）: 0.0
• License:
• Abstract: This work-in-progress paper presents a novel approach to detecting sponsored advertisement segments in YouTube videos and comparing the advertisement with the main content. Our methodology involves the collection of 421 auto-generated and manual transcripts which are then fed into a prompt-engineered GPT-4o for ad detection, a KeyBERT for keyword extraction, and another iteration of ChatGPT for category identification. The results revealed a significant prevalence of product-related ads across various educational topics, with ad categories refined using GPT-4o into succinct 9 content and 4 advertisement categories. This approach provides a scalable and efficient alternative to traditional ad detection methods while offering new insights into the types and relevance of ads embedded within educational content. This study highlights the potential of LLMs in transforming ad detection processes and improving our understanding of advertisement strategies in digital media.
• Abstract（参考訳）: 本論文は、YouTubeビデオ中のスポンサー付き広告セグメントを検出し、メインコンテンツと比較するための新しいアプローチを提案する。 提案手法では、421個の自動生成および手書き文字起こしを広告検出用のプロンプトエンジニアリングGPT-4o、キーワード抽出用KeyBERT、カテゴリー識別用ChatGPTの別のイテレーションに入力する。 その結果, GPT-4oを用いた広告カテゴリーを簡潔な9コンテンツと4広告カテゴリに改良し, 各種教育分野における製品関連広告の有意な普及率を示した。 このアプローチは、従来の広告検出方法に代わるスケーラブルで効率的な代替手段を提供すると同時に、教育コンテンツに埋め込まれた広告の種類と関連性に関する新たな洞察を提供する。 本研究は,デジタルメディアにおける広告検出プロセスの変容と広告戦略の理解の向上におけるLCMの可能性を明らかにする。

関連論文リスト

• PropaInsight: Toward Deeper Understanding of Propaganda in Terms of Techniques, Appeals, and Intent [71.20471076045916]
  プロパガンダは世論の形成と偽情報の拡散に重要な役割を果たしている。 Propainsightはプロパガンダを体系的に、技術、覚醒的魅力、そして根底にある意図に分解する。 Propagazeは、人間の注釈付きデータと高品質な合成データを組み合わせる。
  論文  参考訳（メタデータ） (2024-09-19T06:28:18Z)
• Can GPT-4 Identify Propaganda? Annotation and Detection of Propaganda Spans in News Articles [11.64165958410489]
  これまでで最大のプロパガンダデータセットを開発し、23のプロパガンダ手法の分類に従ってテキストスパンレベルにラベル付けされた新聞記事から8K節からなる。 我々の研究は、GPT-4を用いてテキストから微細なプロパガンダ検出を行う大規模言語モデル(LLM)の性能を理解するための最初の試みである。 その結果, GPT-4の性能低下は, 段落を単にプロパガンダ的か否かの分類から, プロパガンダ技術の検出やテキストでの表現のきめ細かいタスクへと移行することが明らかとなった。
  論文  参考訳（メタデータ） (2024-02-27T13:02:19Z)
• Long-Term Ad Memorability: Understanding & Generating Memorable Ads [54.23854539909078]
  マーケティングやブランドビルディングにおける長期記憶の重要性にもかかわらず、これまで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。 異なる参加者のサブポピュレーションや広告タイプに対する統計的テストを実行すると、広告を記憶可能なものにするための興味深い洞察がたくさん見つかる。 本稿では,自動アノテートデータを活用することで,高品質な記憶可能な広告生成モデルを構築するためのスケーラブルな手法を提案する。
  論文  参考訳（メタデータ） (2023-09-01T10:27:04Z)
• Persuasion Strategies in Advertisements [68.70313043201882]
  我々は,説得戦略の広範な語彙を導入し,説得戦略を付加した最初の広告画像コーパスを構築した。 次に,マルチモーダル学習による説得戦略予測のタスクを定式化する。 我々は、Fortune-500社の1600件の広告キャンペーンについて、現実世界でケーススタディを実施している。
  論文  参考訳（メタデータ） (2022-08-20T07:33:13Z)
• Distinguishing Commercial from Editorial Content in News [0.0]
  機械学習モデルとそれに由来する語彙を用いて両者を区別することを目的としている。 これは、オランダの4つの異なるニュースソースから1,000の記事と1,000の副詞を抽出することで達成された。
  論文  参考訳（メタデータ） (2021-11-06T16:45:48Z)
• Cross-category Video Highlight Detection via Set-based Learning [55.49267044910344]
  本稿では,Dual-Learner-based Video Highlight Detection (DL-VHD) フレームワークを提案する。 対象とするカテゴリビデオの区別と,ソースビデオカテゴリにおけるハイライトモーメントの特徴を学習する。 さまざまなカテゴリのハイライト検出タスクにおいて、一般的な5つのUnsupervised Domain Adaptation (UDA)アルゴリズムより優れています。
  論文  参考訳（メタデータ） (2021-08-26T13:06:47Z)
• Predicting Online Video Advertising Effects with Multimodal Deep Learning [33.20913249848369]
  ビデオ広告のクリックスルー率(CTR)を予測し,CTRを決定する要因を解析する手法を提案する。 本稿では,オンラインビデオ広告のマルチモーダル性を生かして,効果を正確に予測するための最適化フレームワークを提案する。
  論文  参考訳（メタデータ） (2020-12-22T06:24:01Z)
• Cross-Domain Learning for Classifying Propaganda in Online Contents [67.10699378370752]
  本稿では,ラベル付き文書や,ニュースやつぶやきからの文をベースとしたクロスドメイン学習の手法を提案する。 本実験は,本手法の有効性を実証し,移動過程におけるソースやターゲットの様々な構成における困難さと限界を同定する。
  論文  参考訳（メタデータ） (2020-11-13T10:19:13Z)
• Learning to Create Better Ads: Generation and Ranking Approaches for Ad Creative Refinement [26.70647666598025]
  i)新しい広告テキストを生成すること、(ii)新しい広告テキストにキーフレーズを推奨すること、(iii)画像タグ(画像中のオブジェクト)を推奨すること。 複数の広告主が実施したA/Bテストに基づいて、劣悪な広告クリエイティブと優良な広告クリエイティブのペアワイズな例を作成します。 また、Yahoo Geminiの広告プラットフォームからのデータを使って、実験から広く適用可能な洞察を共有しています。
  論文  参考訳（メタデータ） (2020-08-17T16:46:28Z)
• A4 : Evading Learning-based Adblockers [44.149991991963795]
  A4はAdGraphを避けるために、敵の広告サンプルを作るツールだ。 A4 は AdGraph を 60% の時間でバイパスできることを示す。 我々は、A4で提案されているアルゴリズムフレームワークが、他の学習ベースのWebアプリケーションに対する敵攻撃を改善することを約束すると考えている。
  論文  参考訳（メタデータ） (2020-01-29T18:13:12Z)

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。