基于多模态大语言模型的季节性广告主动检测与校准
信息检索
2024-11-05 v1
摘要
众多因素影响大规模广告投放系统，并同时影响用户体验和收入。其中一个因素是季节性广告的主动检测与校准，有助于提高转化率和用户满意度。本文提出了主动检测与校准季节性广告（PDCaSA）这一研究问题，该问题对广告排序与推荐社区具有重要意义，无论是在工业环境还是研究中。我们的论文从该问题的多个角度提供了详细指南，并在我们的大规模工业广告排序系统中进行了验证和启发。我们分享了我们的发现，包括问题的明确陈述及其植根于真实系统的动机、评估指标，并揭示了现有挑战、经验教训以及数据标注和机器学习建模应对该问题的最佳实践。最后，我们展示了在此研究探索中所采用的一个确定性解决方案：为了检测季节性，我们利用了多模态大语言模型（MLMs），在我们内部基准测试上取得了 0.97 的 top F1 分数。基于我们的发现，我们设想 MLMs 可以作为知识蒸馏的教师、机器标注器以及集成和分层季节性检测系统的一部分，从而为广告排序系统赋予丰富的季节性信息。
引用
@article{arxiv.2411.00780,
title = {Proactive Detection and Calibration of Seasonal Advertisements with Multimodal Large Language Models},
author = {Hamid Eghbalzadeh and Shuai Shao and Saurabh Verma and Venugopal Mani and Hongnan Wang and Jigar Madia and Vitali Karpinchyk and Andrey Malevich},
journal= {arXiv preprint arXiv:2411.00780},
year = {2024}
}