文献

J-GLOBAL ID：202002230615954259   整理番号：20A1868087

ディスプレイ広告におけるクリックスルーレート予測のためのフィールド重み付き因数分解マシン【JST・京大機械翻訳】

Field-weighted Factorization Machines for Click-Through Rate Prediction in Display Advertising

著者 (7件)： Pan Junwei (Oath Inc., Sunnyvale, CA, USA) ,  Xu Jian (TouchPal Inc., Shanghai, China) ,  Ruiz Alfonso Lobos (University of California, Berkeley, Berkeley, CA, USA) ,  Zhao Wenliang (Oath Inc., Sunnyvale, CA, USA) ,  Pan Shengjun (Oath Inc., Sunnyvale, CA, USA) ,  Sun Yu (LinkedIn Corporation, Mountain View, CA, USA) ,  Lu Quan (Ablibaba Group, Hangzhou, China)
資料名： ACM Proceedings  (ACM Proceedings)
号： WWW ’18  ページ： 1349-1357  発行年： 2018年 
JST資料番号： D0698C  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： クリックスルーレート(CTR)予測は,オンラインディスプレイ広告における重要なタスクである。CTR予測に含まれるデータは,典型的にはマルチフィールドカテゴリーデータであり,すなわち,あらゆる特徴はカテゴリーであり,1つと1つの分野に属する。そのようなデータの興味深い特徴の一つは,1つのフィールドからの特徴が異なる他の分野からの特徴と異なって相互作用することである。最近,フィールド意識因子化マシン(FFM)は,そのような違いを明確にモデル化することによって,CTR予測のための最良の性能モデルの中で,最も性能が高い。しかし,FFMにおけるパラメータの数は,現実世界生産システムにおいて容認できない特徴数時間場数の順序である。本論文では,多くのメモリ効率の良い方法で異なるフィールド間の異なる特徴相互作用をモデル化するために,フィールド加重因子化マシン(FwFM)を提案した。著者らの実験的評価は,FwFMがFFMsのわずか4%のパラメータで,競合予測性能を達成できることを示した。同じ数のパラメータを用いるとき,FwFMsは,2つの実際のCTR予測データセットにおいて,FFM上で0.92%と0.47%のAUC揚力をもたらすことができる。Please refer to this article’s citation page on the publisher website for specific rights information. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 相互作用 ,  *広告 ,  生産システム ,  揚力 ,  *因数分解 ,  *表示装置
準シソーラス用語： 因子化 , 【Automatic Indexing@JST】

著者キーワード (3件)： ctr予測 ,  ディスプレイ広告 ,  因数分解機械

分類 (2件)： 市場調査,広告  (KA06030H) ,  人工知能  (JE08000Z)

タイトルに関連する用語 (8件)： ディスプレイ ,  広告 ,  クリック ,  スルーレート ,  予測 ,  フィールド ,  因数分解 ,  マシン