文献

J-GLOBAL ID：202002268573537894   整理番号：20A1509716

オンライン広告におけるマルチタスク学習による異なるタイプの変換の予測【JST・京大機械翻訳】

Predicting Different Types of Conversions with Multi-Task Learning in Online Advertising

著者 (5件)： Pan Junwei (Verizon Media, Sunnyvale, CA, USA) ,  Mao Yizhi (Verizon Media, Sunnyvale, CA, USA) ,  Ruiz Alfonso Lobos (University of California, Berkeley, Berkeley, CA, USA) ,  Sun Yu (Indeed, San Francisco, CA, USA) ,  Flores Aaron (Verizon Media, Sunnyvale, CA, USA)
資料名： ACM Proceedings  (ACM Proceedings)
号： KDD ’19  ページ： 2689-2697  発行年： 2019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： 変換予測は,コスト-Per-Action(CPA)が産業における主要なキャンペーン性能目標の1つになるので,オンライン広告において重要な役割を果たす。クリックプレディクションと異なり,変換は本質的に異なるタイプを持ち,各タイプは異なる決定的な因子と関連する可能性がある。本論文では,変換予測をマルチタスク学習問題として定式化し,様々なタイプの変換に対する予測モデルを一緒に学習できる。これらのモデルは特徴表現を共有するが,それらの特定のパラメータを持ち,すべてのタスクにわたって情報共有の利点を提供する。次に,これらのタスクを共同で解決するために,マルチTaskフィールド加重因子化マシン(MT-FwFM)を提案した。著者らの実験結果は,2つの最先端のモデルと比較して,MT-FwFMが2つの型の変換に関して0.74%と0.84%によってAUCを改良して,すべての変換タイプを通して加重AUCも0.50%によって改良したことを示した。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： *定式化 ,  情報共有 ,  予測モデル
準シソーラス用語： *マルチタスク学習 ,  *インターネット広告 , 【Automatic Indexing@JST】

著者キーワード (4件)： 変換予測 ,  因数分解機械 ,  マルチタスク学習 ,  オンライン広告

分類 (1件)： 人工知能  (JE08000Z)

タイトルに関連する用語 (4件)： オンライン広告 ,  マルチタスク学習 ,  タイプ ,  予測