基于多模态深度学习的在线视频广告效果预测
计算机视觉与模式识别
2020-12-23 v1
摘要
随着视频广告市场的扩张，预测视频广告效果的研究正受到越来越多的关注。尽管图像广告的效果预测已被大量探索，但视频广告的预测仍具挑战且相关研究甚少。在本研究中，我们提出了一种预测视频广告点击率（CTR）并分析决定 CTR 因素的方法。本文中，我们展示了一种优化框架，通过利用在线视频广告的多模态特性（包括视频、文本和元数据特征）来准确预测效果。特别地，两类元数据（即类别型和连续型）被恰当分离并归一化。为避免过拟合（由于训练数据不够丰富，这在我们任务中至关重要），插入了额外的正则化层。实验结果表明，我们的方法可达到高达 0.695 的相关系数，较基线（0.487）有显著提升。
引用
@article{arxiv.2012.11851,
title = {Predicting Online Video Advertising Effects with Multimodal Deep Learning},
author = {Jun Ikeda and Hiroyuki Seshime and Xueting Wang and Toshihiko Yamasaki},
journal= {arXiv preprint arXiv:2012.11851},
year = {2020}
}
备注
Accepted at International Conference on Pattern Recognition 2020 (ICPR)