論文の概要: Improving Ad matching via Cluster-Adaptive Keyword Expansion and Relevance tuning

• arxiv url: http://arxiv.org/abs/2505.18897v1
• Date: Sat, 24 May 2025 23:02:19 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-05-27 16:58:42.733905
• Title: Improving Ad matching via Cluster-Adaptive Keyword Expansion and Relevance tuning
• Title（参考訳）: クラスタ適応キーワード拡張と関連チューニングによる広告マッチングの改善
• Authors: Dipanwita Saha, Anis Zaman, Hua Zou, Ning Chen, Xinxin Shu, Nadia Vase, Abraham Bagherjeiran,
• Abstract要約: この作業は、ドキュメント側のセマンティックキーワード拡張を通じてキーワードリーチを拡張する。 本稿では,事前学習したシアムモデルを用いて,広告キーワードのベクトル表現を高密度に生成する手法を提案する。 本稿では,局所的な意味密度に基づいて類似性のカットオフを調整するクラスタベースのしきい値設定機構を提案する。
• 参考スコア（独自算出の注目度）: 2.730740440506481
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: In search advertising, keyword matching connects user queries with relevant ads. While token-based matching increases ad coverage, it can reduce relevance due to overly permissive semantic expansion. This work extends keyword reach through document-side semantic keyword expansion, using a language model to broaden token-level matching without altering queries. We propose a solution using a pre-trained siamese model to generate dense vector representations of ad keywords and identify semantically related variants through nearest neighbor search. To maintain precision, we introduce a cluster-based thresholding mechanism that adjusts similarity cutoffs based on local semantic density. Each expanded keyword maps to a group of seller-listed items, which may only partially align with the original intent. To ensure relevance, we enhance the downstream relevance model by adapting it to the expanded keyword space using an incremental learning strategy with a lightweight decision tree ensemble. This system improves both relevance and click-through rate (CTR), offering a scalable, low-latency solution adaptable to evolving query behavior and advertising inventory.
• Abstract（参考訳）: 検索広告では、キーワードマッチングがユーザクエリと関連する広告を結びつける。 トークンベースのマッチングは広告カバレッジを増加させるが、過度に許容されるセマンティック展開による関連性を減らすことができる。 この作業は、クエリを変更することなくトークンレベルのマッチングを拡張するために言語モデルを使用して、ドキュメント側のセマンティックキーワード拡張を通じてキーワードリーチを拡張する。 事前学習したシアムモデルを用いて、広告キーワードの密度の高いベクトル表現を生成し、近接探索により意味論的に関連づけられた変種を同定する。 精度を維持するために,局所的な意味密度に基づいて類似性のカットオフを調整するクラスタベースのしきい値設定機構を導入する。 各拡張されたキーワードは、売り手リストされたアイテムのグループにマップされる。 関連性を確保するために、軽量な決定木アンサンブルを用いた漸進的な学習戦略を用いて、拡張されたキーワード空間に適応することで、下流の関連性モデルを強化する。 このシステムは信頼性とクリックスルー率(CTR)の両方を改善し、クエリの進化と広告インベントリに対応するスケーラブルで低レイテンシのソリューションを提供する。

関連論文リスト

• Knowledge Graph Completion with Relation-Aware Anchor Enhancement [50.50944396454757]
  関係認識型アンカー強化知識グラフ補完法(RAA-KGC)を提案する。 まず、ヘッダーのリレーショナル・アウェア・エリア内でアンカー・エンティティを生成します。 次に、アンカーの近傍に埋め込まれたクエリを引っ張ることで、ターゲットのエンティティマッチングに対してより差別的になるように調整する。
  論文  参考訳（メタデータ） (2025-04-08T15:22:08Z)
• Semantic Library Adaptation: LoRA Retrieval and Fusion for Open-Vocabulary Semantic Segmentation [72.28364940168092]
  オープン語彙セマンティックセグメンテーションモデルは、視覚とテキストを関連付け、テキストクエリを使用して未定義のクラスの集合からピクセルをラベル付けする。 本稿では,セマンティックライブラリ適応(Semantic Library Adaptation, SemLA)を紹介する。
  論文  参考訳（メタデータ） (2025-03-27T17:59:58Z)
• LIST: Learning to Index Spatio-Textual Data for Embedding based Spatial Keyword Queries [53.843367588870585]
  リスト K-kNN 空間キーワードクエリ (TkQ) は、空間的およびテキスト的関連性の両方を考慮したランキング関数に基づくオブジェクトのリストを返す。 効率的かつ効率的な指標、すなわち高品質なラベルの欠如とバランスの取れない結果を構築する上で、大きな課題が2つある。 この2つの課題に対処する新しい擬似ラベル生成手法を開発した。
  論文  参考訳（メタデータ） (2024-03-12T05:32:33Z)
• 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)
• Query Expansion Using Contextual Clue Sampling with Language Models [69.51976926838232]
  本稿では,実効的なフィルタリング戦略と検索した文書の融合の組み合わせを,各文脈の生成確率に基づいて提案する。 我々の語彙マッチングに基づくアプローチは、よく確立された高密度検索モデルDPRと比較して、同様のトップ5/トップ20検索精度と上位100検索精度を実現する。 エンド・ツー・エンドのQAでは、読者モデルも我々の手法の恩恵を受けており、いくつかの競争基準に対してエクサクト・マッチのスコアが最も高い。
  論文  参考訳（メタデータ） (2022-10-13T15:18:04Z)
• Graph Adaptive Semantic Transfer for Cross-domain Sentiment Classification [68.06496970320595]
  クロスドメイン感情分類(CDSC)は、ソースドメインから学んだ伝達可能なセマンティクスを使用して、ラベルなしのターゲットドメインにおけるレビューの感情を予測することを目的としている。 本稿では、単語列と構文グラフの両方からドメイン不変セマンティクスを学習できる適応型構文グラフ埋め込み法であるグラフ適応意味伝達(GAST)モデルを提案する。
  論文  参考訳（メタデータ） (2022-05-18T07:47:01Z)
• Quotient Space-Based Keyword Retrieval in Sponsored Search [7.639289301435027]
  代名詞検索は, 代名詞検索において重要な問題となっている。 本稿では,この問題に対処する新しい空間探索フレームワークを提案する。 この方法はBaiduのオンライン検索システムでうまく実装されている。
  論文  参考訳（メタデータ） (2021-05-26T07:27:54Z)
• Unsupervised Key-phrase Extraction and Clustering for Classification Scheme in Scientific Publications [0.0]
  本稿では,システムマッピング (SM) とシステムレビュー (SR) プロセスの自動化の可能性について検討する。 キーフレーズは教師なしの方法で科学文書から抽出され、対応する分類体系を構築するために使用される。 また、クラスタリングを使って関連するキーフレーズをグループ化する方法についても検討する。
  論文  参考訳（メタデータ） (2021-01-25T10:17:33Z)
• A Linguistically Driven Framework for Query Expansion via Grammatical Constituent Highlighting and Role-Based Concept Weighting [0.0]
  関心のコンセプトは、探索目標のジストを表す中核的な概念として認識される。 検索目標を特定し、クエリ構造を完了するのに役立つ残りのクエリ構成成分は、記述的、関係的、構造的に分類される。
  論文  参考訳（メタデータ） (2020-04-25T01:43:00Z)

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。