抄録/ポイント:
抄録/ポイント
文献の概要を数百字程度の日本語でまとめたものです。
部分表示の続きは、JDreamⅢ(有料)でご覧頂けます。
J-GLOBALでは書誌(タイトル、著者名等)登載から半年以上経過後に表示されますが、医療系文献の場合はMyJ-GLOBALでのログインが必要です。
広告は,通常,オンラインディスプレイ広告のためのキャンペーンを計画するとき,目標聴取,地理的領域,および入札価格のような基準を選択するための柔軟性を楽し,一方,それらは,前進における配送戦略を最適化するためのキャンペーン性能に関する予測情報を欠い,フィードバック調整のための労働と予算の浪費をもたらす。本論文では,任意の基準を与える新しいキャンペーンのための主要な性能指標を予測することを目指した。インタプリテーブルと正確な結果は,それらのキャンペーン基準を管理し最適化するための広告を可能にする。この非常に課題にはいくつかの課題がある。最初に,プラットフォームは通常,広告キャンペーンを計画するとき,様々な基準を広告し,入札タイプ間の大きな差異のため,統一的にキャンペーン性能を推定することは難しい。さらに,入札システムに適用される複雑な戦略は,キャンペーン性能に大きな変動をもたらし,推定精度を極めて強靭な問題にする。上記の課題に取り組むために,著者らは,最初に,マッチとランクのような必須オークションプロセスが再生され,予測結果に関する解釈性を確実にする,統一再生アルゴリズムによって,様々な入札タイプの下で,歴史的ログに関するキャンペーン性能を再現する,新しいCampaign性能予測フレームワークを提案した。次に,再生におけるハードからリプロダクション入札戦略によってもたらされる推定の偏差を較正するために,マルチタスク学習法を革新的に導入した。この方法は,関連予測指標間の混合キャリブレーションパターンを捕捉し,推定結果を真のものに写像し,精度と効率の両方を大幅に改善した。Taobao.comからのデータセットに関する実験結果は,提案フレームワークが大きなマージンによって他のベースラインよりも著しく優れ,オンラインA/Bテストが実世界におけるその有効性を検証したことを示した。【JST・京大機械翻訳】