論文の概要: AdSight: Scalable and Accurate Quantification of User Attention in Multi-Slot Sponsored Search

• arxiv url: http://arxiv.org/abs/2505.01451v1
• Date: Wed, 30 Apr 2025 08:51:26 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-05-06 18:49:35.118281
• Title: AdSight: Scalable and Accurate Quantification of User Attention in Multi-Slot Sponsored Search
• Title（参考訳）: AdSight:マルチスロットスポンサー検索におけるユーザ注意のスケーラブルで正確な定量化
• Authors: Mario Villaizán-Vallelado, Matteo Salvatori, Kayhan Latifzadeh, Antonio Penta, Luis A. Leiva, Ioannis Arapakis,
• Abstract要約: 本稿では,マウスカーソルトラジェクトリを利用した,スケーラブルで正確なユーザ注意の定量化手法であるAdSightを紹介する。 AdSightはトランスフォーマーベースのシーケンシャル・ツー・シーケンスアーキテクチャを使用しており、エンコーダは軌道埋め込みを処理し、デコーダはスロット固有の機能を組み込む。 筆者らは,(1)固定時間とカウントの予測,(2)誤り分類という2つの機械学習タスクに対するアプローチを評価し,いくつかのスロットタイプが検出された。
• 参考スコア（独自算出の注目度）: 7.724216841835264
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Modern Search Engine Results Pages (SERPs) present complex layouts where multiple elements compete for visibility. Attention modelling is crucial for optimising web design and computational advertising, whereas attention metrics can inform ad placement and revenue strategies. We introduce AdSight, a method leveraging mouse cursor trajectories to quantify in a scalable and accurate manner user attention in multi-slot environments like SERPs. AdSight uses a novel Transformer-based sequence-to-sequence architecture where the encoder processes cursor trajectory embeddings, and the decoder incorporates slot-specific features, enabling robust attention prediction across various SERP layouts. We evaluate our approach on two Machine Learning tasks: (1)~\emph{regression}, to predict fixation times and counts; and (2)~\emph{classification}, to determine some slot types were noticed. Our findings demonstrate the model's ability to predict attention with unprecedented precision, offering actionable insights for researchers and practitioners.
• Abstract（参考訳）: 最新の検索エンジンの結果ページ(SERP)は、複数の要素が可視性に競合する複雑なレイアウトを示す。 注意モデリングは、ウェブデザインと計算広告の最適化に不可欠であるが、注意指標は広告の配置や収益戦略に影響を及ぼす可能性がある。 本稿では,SERPのようなマルチスロット環境において,マウスカーソルトラジェクトリを利用してユーザ注意をスケーラブルかつ正確に定量化する手法であるAdSightを紹介する。 AdSightはトランスフォーマーベースのシーケンシャル・ツー・シーケンスアーキテクチャを使用しており、エンコーダはカーソル・トラジェクトリの埋め込みを処理し、デコーダはスロット固有の特徴を組み込んでおり、様々なSERPレイアウトに対して堅牢な注意予測を可能にする。 我々は,(1)〜\emph{regression},(2)〜\emph{classification},(2)～\emph{regression}の2つの機械学習タスクに対するアプローチを評価し,いくつかのスロットタイプに気づいた。 本研究は, 前例のない精度で注意を予測できることを示し, 研究者や実践者に対して実用的な洞察を提供する。

関連論文リスト

• EyeFormer: Predicting Personalized Scanpaths with Transformer-Guided Reinforcement Learning [31.583764158565916]
  視覚的ユーザインタフェースにおけるスキャンパスを予測する機械学習モデルであるEyeFormerを提案する。 我々のモデルは、いくつかのユーザ・スキャンパス・サンプルが与えられたとき、パーソナライズされた予測を生成するユニークな能力を持っている。 固定位置や持続時間を含む全スキャンパス情報を個人や様々な刺激タイプで予測することができる。
  論文  参考訳（メタデータ） (2024-04-15T22:26:27Z)
• Deciphering AutoML Ensembles: cattleia's Assistance in Decision-Making [0.0]
  Cattleiaは、回帰、マルチクラス、バイナリ分類タスクのアンサンブルを解読するアプリケーションである。 Auto-Sklearn、AutoGluon、FLAMLという3つのAutoMLパッケージで構築されたモデルで動作する。
  論文  参考訳（メタデータ） (2024-03-19T11:56:21Z)
• Exploiting Modality-Specific Features For Multi-Modal Manipulation Detection And Grounding [54.49214267905562]
  マルチモーダルな操作検出とグラウンド処理のためのトランスフォーマーベースのフレームワークを構築する。 本フレームワークは,マルチモーダルアライメントの能力を維持しながら,モダリティ特有の特徴を同時に探求する。 本稿では,グローバルな文脈的キューを各モーダル内に適応的に集約する暗黙的操作クエリ(IMQ)を提案する。
  論文  参考訳（メタデータ） (2023-09-22T06:55:41Z)
• SCP: Soft Conditional Prompt Learning for Aerial Video Action Recognition [48.456059482589495]
  本研究では,航空映像行動認識において,迅速な学習の強みを生かした新しい学習手法であるSoft Conditional Prompt Learning(SCP)を提案する。 本手法は,航空機/ロボットの視覚知覚のための入力ビデオにおける動作に関する記述や指示に,モデルが焦点を当てることによって,各エージェントの動作を予測するように設計されている。
  論文  参考訳（メタデータ） (2023-05-21T11:51:09Z)
• 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)
• Learning Prototype-oriented Set Representations for Meta-Learning [85.19407183975802]
  集合構造データから学ぶことは、近年注目を集めている根本的な問題である。 本稿では,既存の要約ネットワークを改善するための新しい最適輸送方式を提案する。 さらに、少数ショット分類と暗黙的メタ生成モデリングの事例にインスタンス化する。
  論文  参考訳（メタデータ） (2021-10-18T09:49:05Z)
• Bayesian Attention Belief Networks [59.183311769616466]
  注意に基づくニューラルネットワークは、幅広いタスクにおいて最先端の結果を得た。 本稿では,非正規化注意重みをモデル化してデコーダネットワークを構築するベイズ的注意信念ネットワークについて紹介する。 提案手法は, 精度, 不確実性推定, ドメイン間の一般化, 敵攻撃において, 決定論的注意と最先端の注意よりも優れていることを示す。
  論文  参考訳（メタデータ） (2021-06-09T17:46:22Z)
• Towards Explainable Exploratory Landscape Analysis: Extreme Feature Selection for Classifying BBOB Functions [4.932130498861987]
  驚くほど少数の機能(多くの場合4つ未満)が、98%の精度を達成するのに十分であることを示している。 分類精度は、いくつかのインスタンスがトレーニングやテストに関わっている設定に変換されることを示す。
  論文  参考訳（メタデータ） (2021-02-01T10:04:28Z)

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。