論文の概要: AdParaphrase v2.0: Generating Attractive Ad Texts Using a Preference-Annotated Paraphrase Dataset
- arxiv url: http://arxiv.org/abs/2505.20826v1
- Date: Tue, 27 May 2025 07:34:44 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-05-28 17:05:58.478445
- Title: AdParaphrase v2.0: Generating Attractive Ad Texts Using a Preference-Annotated Paraphrase Dataset
- Title（参考訳）: AdParaphrase v2.0: Preference- Annotated Paraphrase Dataset を用いた魅力ある広告テキストの生成
- Authors: Soichiro Murakami, Peinan Zhang, Hidetaka Kamigaito, Hiroya Takamura, Manabu Okumura,
- Abstract要約: 本研究では,人選好データを含む広告テキストパラフレージング用データセットAdParaphrase v2.0を提案する。
v1.0と比較して、このデータセットは20倍大きく、16,460の広告テキストパラフレーズペアで構成され、それぞれが10人の評価者からの好みのデータで注釈付けされている。
- 参考スコア（独自算出の注目度）: 34.12547921617836
- License: http://creativecommons.org/licenses/by-nc-sa/4.0/
- Abstract: Identifying factors that make ad text attractive is essential for advertising success. This study proposes AdParaphrase v2.0, a dataset for ad text paraphrasing, containing human preference data, to enable the analysis of the linguistic factors and to support the development of methods for generating attractive ad texts. Compared with v1.0, this dataset is 20 times larger, comprising 16,460 ad text paraphrase pairs, each annotated with preference data from ten evaluators, thereby enabling a more comprehensive and reliable analysis. Through the experiments, we identified multiple linguistic features of engaging ad texts that were not observed in v1.0 and explored various methods for generating attractive ad texts. Furthermore, our analysis demonstrated the relationships between human preference and ad performance, and highlighted the potential of reference-free metrics based on large language models for evaluating ad text attractiveness. The dataset is publicly available at: https://github.com/CyberAgentAILab/AdParaphrase-v2.0.
- Abstract（参考訳）: 広告テキストを魅力的にする要因を特定することは、広告の成功に不可欠だ。
本研究では,人間の嗜好データを含む広告テキストパラフレージングのためのデータセットであるAdParaphrase v2.0を提案し,言語的要因の分析を可能にし,魅力的な広告テキストを生成する手法の開発を支援する。
v1.0と比較して、このデータセットは20倍大きく、16,460の広告テキストパラフレーズペアで構成され、それぞれが10人の評価者からの選好データで注釈付けされ、より包括的で信頼性の高い分析を可能にする。
実験により,v1.0では観測されなかった広告テキストを係合する言語的特徴を複数同定し,魅力的な広告テキストを生成するための様々な手法を探索した。
さらに,人間の嗜好と広告パフォーマンスの関係を考察し,広告テキストの魅力を評価するための大規模言語モデルに基づく基準自由度指標の可能性を強調した。
データセットは、https://github.com/CyberAgentAILab/AdParaphrase-v2.0で公開されている。
関連論文リスト
- Exploring the Relationship Between Diversity and Quality in Ad Text Generation [1.284952415878457]
広告テキスト生成は、テキストスタイルと要求のためにタスクと大きく異なる。
本研究では,広告テキスト生成における多様性と広告品質の関係について検討する。
論文 参考訳（メタデータ） (2025-05-22T09:05:44Z) - AdParaphrase: Paraphrase Dataset for Analyzing Linguistic Features toward Generating Attractive Ad Texts [34.12547921617836]
本研究では,人間の嗜好に影響を及ぼす広告文の言語的特徴について考察する。
本稿では、広告テキストのペアに対する人間の好みを含むパラフレーズデータセットであるAdParaphraseを提案する。
分析の結果,人間の判断に好まれる広告文は,より流布度が高く,長さが長く,名詞が増え,ブラケット記号が用いられることがわかった。
論文 参考訳（メタデータ） (2025-02-07T05:39:55Z) - Spotting AI's Touch: Identifying LLM-Paraphrased Spans in Text [61.22649031769564]
我々は、新しいフレームワーク、パラフレーズテキストスパン検出(PTD)を提案する。
PTDは、テキスト内でパラフレーズ付きテキストを識別することを目的としている。
パラフレーズ付きテキストスパン検出のための専用データセットであるPASTEDを構築した。
論文 参考訳（メタデータ） (2024-05-21T11:22:27Z) - A Benchmark for Text Expansion: Datasets, Metrics, and Baselines [87.47745669317894]
本研究はテキスト拡張(TE)の新たな課題として,平文の適切な位置に細粒度修飾子を挿入することを目的とする。
補完的な4つのアプローチを活用して、1200万の自動生成インスタンスと2Kの人間注釈付き参照を持つデータセットを構築します。
事前訓練されたテキストインフィルモデルの上にパイプラインと共同でLocate&Infillモデルを構築し、Text2Textベースラインよりも優れていることを示す。
論文 参考訳（メタデータ） (2023-09-17T07:54:38Z) - Natural Language Generation for Advertising: A Survey [1.7265013728930998]
自然言語生成手法は、広告主が制作するオンライン広告の数を増やすのに役立つ効果的なツールとして登場した。
この調査では、テンプレートベースのものから、ニューラルネットワークを用いた抽出的かつ抽象的なアプローチまで、このトピックに関する過去10年間の研究動向をレビューする。
論文 参考訳（メタデータ） (2023-06-22T07:52:34Z) - Natural Language Decompositions of Implicit Content Enable Better Text Representations [52.992875653864076]
本稿では,暗黙的に伝達されたコンテンツを明示的に考慮したテキスト分析手法を提案する。
我々は大きな言語モデルを用いて、観察されたテキストと推論的に関係する命題の集合を生成する。
本研究は,NLPにおいて,文字のみではなく,観察された言語の背景にある意味をモデル化することが重要であることを示唆する。
論文 参考訳（メタデータ） (2023-05-23T23:45:20Z) - 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)
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。