論文の概要: The Privacy-Utility Trade-Off of Location Tracking in Ad Personalization

• arxiv url: http://arxiv.org/abs/2603.12374v1
• Date: Thu, 12 Mar 2026 18:52:18 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-03-16 17:38:11.729939
• Title: The Privacy-Utility Trade-Off of Location Tracking in Ad Personalization
• Title（参考訳）: 広告パーソナライゼーションにおける位置追跡のプライバシ・ユーティリティ取引
• Authors: Mohammad Mosaffa, Omid Rafieian,
• Abstract要約: 我々は,行動履歴が限られている早期冷戦期において,地理的データが最も価値があることを示す。 しかし、ユーザがよりリッチな行動履歴を蓄積するにつれて、地理的データの役割はシフトする。 これらの結果は、広告パーソナライゼーションにおけるプライバシーとユーティリティのトレードオフを浮き彫りにしている。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Firms collect vast amounts of behavioral and geographical data on individuals. While behavioral data captures an individual's digital footprint, geographical data reflects their physical footprint. Given the significant privacy risks associated with combining these data sources, it is crucial to understand their respective value and whether they act as complements or substitutes in achieving firms' business objectives. In this paper, we combine economic theory, machine learning, and causal inference to quantify the value of geographical data, the extent to which behavioral data can substitute for it, and the mechanisms through which it benefits firms. Using data from a leading in-app advertising platform in a large Asian country, we document that geographical data is most valuable in the early cold-start stage, when behavioral histories are limited. In this stage, geographical data complements behavioral data, improving targeting performance by almost 20%. As users accumulate richer behavioral histories, however, the role of geographical data shifts: it becomes largely substitutable, as behavioral data alone captures the relevant heterogeneity. These results highlight a central privacy-utility trade-off in ad personalization and inform managerial decisions about when location tracking creates value.
• Abstract（参考訳）: 企業は個人に関する大量の行動データや地理的データを収集する。 行動データは個人のデジタルフットプリントをキャプチャするが、地理的データは物理的なフットプリントを反映する。 これらのデータソースの組み合わせに伴う重大なプライバシーリスクを考えると、それぞれの価値を理解し、企業のビジネス目的を達成する上で補完的あるいは代用的な役割を果たすかどうかを理解することが不可欠である。 本稿では, 経済理論, 機械学習, 因果推論を組み合わせ, 地理的データの価値, 行動データが代用できる範囲, 企業利益のメカニズムを定量化する。 大規模なアジア諸国のアプリ内広告プラットフォームから得られたデータを用いて、行動履歴が限られている早期の冷戦期において、地理的データが最も価値があることを記録している。 この段階では、地理的データは行動データを補完し、ターゲット性能を約20%改善する。 しかし、ユーザがよりリッチな行動履歴を蓄積するにつれて、地理的データの役割が変化していく。 これらの結果は、広告パーソナライゼーションにおける中心的なプライバシーとユーティリティのトレードオフを浮き彫りにし、位置追跡がいつ価値を生み出すかを管理者に通知する。

関連論文リスト

• Data Bias in Human Mobility is a Universal Phenomenon but is Highly Location-specific [0.0]
  我々は「データ生産」を研究し、個人が大きなデジタルデータセットで表現されているかどうかを定量化するとともに、そのデータ生成量の観点からどのように表現されているのかを定量化する。 我々は、米国の主要10都市を対象に、匿名化されたスマートフォンから収集したGPSモビリティデータを調査し、データポイントが富よりもユーザ間で不平等に分散できることを発見した。 我々は、国勢調査区域に居住する人口集団によるデータポイントの数を予測するモデルを構築し、富、民族、教育がデータ生産に与える影響を強く見出す。
  論文  参考訳（メタデータ） (2025-07-31T20:19:50Z)
• Establishing validated standards for Home and Work location Detection [0.0]
  移動データから自宅や職場の場所を識別する堅牢なアルゴリズムであるHoWDeを提案する。 HoWDeは、2つのユニークな地道データセットを使用して、それぞれ最大97%と88%の家庭および職場検出精度を達成している。 透過的で検証されたパイプラインを通じて、社内での事前処理をサポートすることにより、プライバシー保護のモビリティデータの共有も容易になる。
  論文  参考訳（メタデータ） (2025-06-23T15:21:57Z)
• From "I have nothing to hide" to "It looks like stalking": Measuring Americans' Level of Comfort with Individual Mobility Features Extracted from Location Data [0.24999074238880484]
  位置情報収集は、スマートフォンがユビキタスになるにつれて広まりつつある。 データアグリゲータとデータブローカは、個々の位置情報データへのアクセスを提供する。 FTCはまた、位置情報の消費者プライバシを活発に規制し始めた。
  論文  参考訳（メタデータ） (2025-02-08T20:34:18Z)
• Capturing the Temporal Dependence of Training Data Influence [100.91355498124527]
  我々は、訓練中にデータポイントを除去する影響を定量化する、軌跡特異的な離脱の影響の概念を定式化する。 軌道固有LOOの効率的な近似を可能にする新しい手法であるデータ値埋め込みを提案する。 データバリューの埋め込みは、トレーニングデータの順序付けをキャプチャするので、モデルトレーニングのダイナミクスに関する貴重な洞察を提供する。
  論文  参考訳（メタデータ） (2024-12-12T18:28:55Z)
• Scaling Laws for the Value of Individual Data Points in Machine Learning [55.596413470429475]
  個々のデータポイントの値のスケーリング行動を調べることによって、新しい視点を導入する。 スケーリング法則を支持するための学習理論を提供し、それが様々なモデルクラスにまたがっていることを実証的に観察する。 私たちの研究は、個々のデータポイントの値のスケーリング特性を理解し、活用するための第一歩です。
  論文  参考訳（メタデータ） (2024-05-30T20:10:24Z)
• Where you go is who you are -- A study on machine learning based semantic privacy attacks [3.259843027596329]
  本稿では,2つの攻撃シナリオ,すなわち位置分類とユーザプロファイリングを体系的に分析する。 Foursquareのデータセットと追跡データの実験は、高品質な空間情報の悪用の可能性を示している。 以上の結果から,追跡データや空間文脈データのデータベース化のリスクが指摘される。
  論文  参考訳（メタデータ） (2023-10-26T17:56:50Z)
• PADME-SoSci: A Platform for Analytics and Distributed Machine Learning for the Social Sciences [4.294774517325059]
  PADMEは、モデルの実装とトレーニングを連携させる分散分析ツールである。 これにより、すべてのデータが単一の場所にあるかのようにモデルをトレーニングしながら、ロケーションをまたいだデータ分析が可能になる。
  論文  参考訳（メタデータ） (2023-03-27T15:32:35Z)
• Robust Self-Tuning Data Association for Geo-Referencing Using Lane Markings [44.4879068879732]
  本稿では,データアソシエーションにおけるあいまいさを解消するための完全なパイプラインを提案する。 その中核は、測定のエントロピーに応じて探索領域に適応する堅牢な自己調整データアソシエーションである。 ドイツ・カールスルーエ市周辺の都市・農村のシナリオを実データとして評価した。
  論文  参考訳（メタデータ） (2022-07-28T12:29:39Z)
• Personalization Improves Privacy-Accuracy Tradeoffs in Federated Optimization [57.98426940386627]
  局所的な学習とプライベートな集中学習の協調は、総合的に有用であり、精度とプライバシのトレードオフを改善していることを示す。 合成および実世界のデータセットに関する実験により理論的結果について述べる。
  論文  参考訳（メタデータ） (2022-02-10T20:44:44Z)
• Domain Adaptative Causality Encoder [52.779274858332656]
  我々は,適応因果同定と局所化の課題に対処するために,依存木の特徴と敵対学習を活用する。 我々は、テキストにあらゆる種類の因果関係を統合する新しい因果関係データセット、MedCausを提案する。
  論文  参考訳（メタデータ） (2020-11-27T04:14:55Z)
• Dataset Cartography: Mapping and Diagnosing Datasets with Training Dynamics [118.75207687144817]
  我々はデータセットを特徴付け、診断するモデルベースのツールであるData Mapsを紹介した。 私たちは、トレーニング中の個々のインスタンス上でのモデルの振る舞いという、ほとんど無視された情報のソースを活用しています。 以上の結果から,データ量から品質へのフォーカスの変化は,ロバストなモデルとアウト・オブ・ディストリビューションの一般化に繋がる可能性が示唆された。
  論文  参考訳（メタデータ） (2020-09-22T20:19:41Z)

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。