预测音频广告质量
机器学习
2018-02-12 v1 声音
音频与语音处理
摘要
在线音频广告是在线音乐流媒体服务中大量使用的一种特定广告形式。在这些往往托管数万条独特音频广告（ads）的平台上，提供高质量广告可确保更好的用户体验并带来更长的用户参与度。因此，对这些广告的自动评估是音频广告排序与更优音频广告制作的重要一步。本文提出一种利用称为长点击率(Long Click Rate, LCR)的代理指标来衡量音频广告质量的方法，该指标定义为用户与后续展示广告（在音频广告播放时显示）互动的时间量除以曝光数。随后我们聚焦于仅使用从原始波形提取的和谐、节奏与音色等声学特征来预测音频广告质量。我们讨论了声音特征如何与音频广告信息的清晰度、可信度等概念相关联。最后，我们提出了一种用于音频广告质量预测的新深度学习模型，其优于其他基于手工特征训练的模型。据我们所知，这是首项大规模音频广告质量预测研究。
引用
@article{arxiv.1802.03319,
title = {Predicting Audio Advertisement Quality},
author = {Samaneh Ebrahimi and Hossein Vahabi and Matthew Prockup and Oriol Nieto},
journal= {arXiv preprint arXiv:1802.03319},
year = {2018}
}
备注
WSDM '18 Proceedings of the Eleventh ACM International Conference on Web Search and Data Mining, 9 pages