論文の概要: Location Aware Embedding for Geotargeting in Sponsored Search Advertising

• arxiv url: http://arxiv.org/abs/2603.13997v1
• Date: Sat, 14 Mar 2026 15:58:39 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-03-17 16:19:35.532063
• Title: Location Aware Embedding for Geotargeting in Sponsored Search Advertising
• Title（参考訳）: スポンサー付き検索広告におけるジオターゲティングのための位置情報埋め込み
• Authors: Jelena Gligorijevic, Djordje Gligorijevic, Aravindan Raghuveer, Mihajlo Grbovic, Zoran Obradovic,
• Abstract要約: 我々は,ユーザのクエリとその場所を表す,シンプルで強力なニューラル埋め込みベースのフレームワークを開発する。 この表現は、ユーザのクエリインテントとクエリ/物理位置との間の微妙な相互作用をキャプチャできることを示す。
• 参考スコア（独自算出の注目度）: 8.751320677167298
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Web search has become an inevitable part of everyday life. Improving and monetizing web search has been a focus of major Internet players. Understanding the context of web search query is an important aspect of this task as it represents unobserved facts that add meaning to an otherwise incomplete query.The context of a query consists of user's location, local time, search history, behavioral segments, installed apps on their phone and so on. Queries that either explicitly use location context (eg: "best hotels in New York City") or implicitly refer to the user's physical location (e.g. "coffee shops near me") are becoming increasingly common on mobile devices. Understanding and representing the user's interest location and/or physical location is essential for providing a relevant user experience. In this study, we developed a simple and powerful neural embedding based framework to represent a user's query and their location in a single low-dimensional space. We show that this representation is able to capture the subtle interactions between the user's query intent and query/physical location, while improving the ad ranking and query-ad relevance scores over other location-unaware approaches and location-aware approaches.
• Abstract（参考訳）: ウェブ検索は日常生活の必然的な部分となっている。 Web検索の改良と収益化は、主要なインターネットプレーヤーの焦点となっている。 Web検索クエリのコンテキストを理解することは,不完全なクエリに意味を付加する未観測事実を表現するため,このタスクの重要な側面であり,クエリのコンテキストは,ユーザの場所,ローカル時間,検索履歴,行動セグメント,スマートフォンにインストールされたアプリなどで構成されている。 位置コンテキストを明示的に使用するクエリ(例えば、ニューヨーク市のベストホテル)や、ユーザーの物理的な位置を暗黙的に参照するクエリ(例えば、私の近くのコーヒーショップ)は、モバイルデバイスでますます一般的になっています。 ユーザの興味のある場所や物理的な位置を理解し、表現することは、関連するユーザエクスペリエンスを提供する上で不可欠である。 本研究では,ユーザのクエリとその位置を1つの低次元空間で表現する,シンプルで強力なニューラル埋め込みベースのフレームワークを開発した。 この表現は、ユーザのクエリインテントとクエリ/物理位置の微妙な相互作用を捉えつつ、他の位置認識アプローチや位置認識アプローチよりも広告ランキングとクエリ-アドレバレンススコアを改善することができることを示す。

関連論文リスト

• Rethinking Deep Research from the Perspective of Web Content Distribution Matching [86.90255285277256]
  WeDasは,検索空間の構造的特徴をエージェントの観察空間に組み込んだWebコンテンツ配信アウェアフレームワークである。 本稿では,Query-Result Alignment Scoreを反復的に推定する数ショットの探索機構を提案する。 プラグイン・アンド・プレイモジュールとして、WeDasは4つのベンチマークのサブゴール補完と精度を一貫して改善している。
  論文  参考訳（メタデータ） (2026-03-07T14:51:17Z)
• Learning Where to Look: Self-supervised Viewpoint Selection for Active Localization using Geometrical Information [68.10033984296247]
  本稿では, 位置決めの精度を高めるために, 視点選択の重要性を強調し, アクティブな位置決め領域について検討する。 私たちのコントリビューションは、リアルタイム操作用に設計されたシンプルなアーキテクチャ、自己教師付きデータトレーニング方法、および実世界のロボティクスアプリケーションに適した計画フレームワークにマップを一貫して統合する能力による、データ駆動型アプローチの使用に関するものです。
  論文  参考訳（メタデータ） (2024-07-22T12:32:09Z)
• Are Local Features All You Need for Cross-Domain Visual Place Recognition? [13.519413608607781]
  視覚的位置認識は、視覚的手がかりのみに基づいて画像の座標を予測することを目的としている。 近年の進歩にもかかわらず、クエリがかなり異なる分布から来るのと同じ場所を認識することは、依然として最先端の検索手法にとって大きなハードルである。 本研究では,空間的検証に基づく手法がこれらの課題に対処できるかどうかを考察する。
  論文  参考訳（メタデータ） (2023-04-12T14:46:57Z)
• On-device modeling of user's social context and familiar places from smartphone-embedded sensor data [7.310043452300736]
  ユーザの社会的文脈とその位置をモデル化するための,新しい,教師なし,軽量なアプローチを提案する。 ユーザとそのデバイス間の物理的およびサイバー的ソーシャルインタラクションに関連するデータを活用する。 日常の状況を認識するための3つの機械学習アルゴリズムの性能を示す。
  論文  参考訳（メタデータ） (2022-05-18T08:32:26Z)
• Surface Reconstruction from Point Clouds by Learning Predictive Context Priors [68.12457459590921]
  点雲からの表面の再構成は、3Dコンピュータビジョンにとって不可欠である。 推論時に各ポイントクラウドに対して予測的クエリを学習することで予測的コンテキスト優先を導入する。 一つの形状や複雑なシーンの表面再構成実験の結果, 広く使用されているベンチマークでは, 最先端のベンチマークよりも顕著な改善が見られた。
  論文  参考訳（メタデータ） (2022-04-23T08:11:33Z)
• Global-Local Context Network for Person Search [125.51080862575326]
  パーソンサーチは、自然に切り刻まれた画像からクエリーを共同でローカライズし、識別することを目的としている。 我々は,対象人物を取り巻く環境情報を多様かつ局所的に利用し,それぞれがシーンとグループコンテキストを参照する。 本稿では,機能強化を目的としたグローバル・ローカル・コンテキスト・ネットワーク(GLCNet)を提案する。
  論文  参考訳（メタデータ） (2021-12-05T07:38:53Z)
• Fine-grained Iterative Attention Network for TemporalLanguage Localization in Videos [63.94898634140878]
  ビデオ中の時間的言語ローカライゼーションは、与えられた文クエリに基づいて、ビデオセグメントの1つを未トリミングビデオにグラウンドすることを目的としている。 本稿では,2つのクエリ・ビデオ・インフォーム抽出のための反復的注意モジュールからなる細粒度反復注意ネットワーク(FIAN)を提案する。 本稿では,Ac-tivityNet Captions,TACoS,Charades-STAの3つのベンチマークで提案手法を評価した。
  論文  参考訳（メタデータ） (2020-08-06T04:09:03Z)
• Local-Global Video-Text Interactions for Temporal Grounding [77.5114709695216]
  本稿では,テキストクエリに関連するビデオの時間間隔を特定することを目的とした,テキスト間時間グラウンドリングの問題に対処する。 そこで本研究では,テキストクエリにおける意味句の中間レベルの特徴の集合を抽出する,新しい回帰モデルを用いてこの問題に対処する。 提案手法は,ローカルからグローバルへのコンテキスト情報を活用することにより,目標時間間隔を効果的に予測する。
  論文  参考訳（メタデータ） (2020-04-16T08:10:41Z)
• On the Path to High Precise IP Geolocation: A Self-Optimizing Model [0.0]
  IPジオロケーション(IP Geolocation)は、将来のインターネットにおいて、アプリケーションサービスのための地理的位置情報を提供するための重要な手段である。 本稿では,位置決定のための高精度かつ自己最適化モデルを提案する。
  論文  参考訳（メタデータ） (2020-04-03T12:45:27Z)

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。