文献

J-GLOBAL ID：202002297626152926   整理番号：20A1868140

不均一Poissonモデルを用いたディジタル広告のための属性推論【JST・京大機械翻訳】

Attribution Inference for Digital Advertising using Inhomogeneous Poisson Models

著者 (2件)： Nichols Zachary (Spotify, Inc, New York, NY, USA) ,  Stein Adam (Spotify, Inc, New York, NY, USA)
資料名： ACM Proceedings  (ACM Proceedings)
号： WWW ’18  ページ： 1885-1892  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： 運転の望ましい行動に対する広告の因果効果の測定は,ディジタル出版産業(”属性”問題)にとって重要な問題である。無作為比較試験(RCT)の採用のコストと困難のため,属性に対する観察方法を用いることは一般的である。しかしながら,最近の結果は,現在の洗練された観察方法が不正確であり,広告の真の効果の不正確な推定を与えることを示している。ここでは,イベントベース時系列間の時間的相互作用を学習する,ニューラルスパイキングの成功モデルに基づく新しい観測属性法を示した。このモデルをいくつかのRCTマーケティング実験からデータに訓練し,真の因果属性を正確に回復できることを示した。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： 相互作用 ,  *広告 ,  マーケティング ,  ディジタル方式 ,  ランダム化比較試験

著者キーワード (1件)： ディジタル広告

分類 (2件)： 人工知能  (JE08000Z) ,  パターン認識  (JE07000S)

タイトルに関連する用語 (6件)： 不均一 ,  モデル ,  ディジタル ,  広告 ,  属性 ,  推論