[Updated on Apr. 18] Integration of CiNii Articles into CiNii Research

広告効果を報酬とした強化学習に基づく広告文の自動生成

Bibliographic Information

Other Title
  • Effect-Rewarded Reinforcement Learning for Ad Text Generation

Abstract

デジタル広告の増加とターゲティング精度の向上に伴い,広告制作物(クリエイティブ)の需要はますます高まってきている.しかしクリエイティブが人手によって制作されることが主である現状では,この需要を十分に満たすことができていない.また,クリエイティブを自動的に生成する場合においても,既存の自然言語生成手法では,テンプレートに単語や句を埋め込む手法や,最尤推定法に基づいて系列変換モデル(Seq2Seq)を学習するものがほとんどであるが,これらの手法では,広告の効果を直接考慮した上でクリエイティブを生成することが困難である.本論文ではこの問題を解決するために,事前に推定された広告効果を強化学習の報酬として用いることにより,実際の広告配信での効果の向上を直接の目的とした広告文の生成を学習可能な手法を提案する.さらに,従来手法と提案手法を自動評価および人手評価により比較することで,各指標においての有効性を検証した.

With the increase of digital advertising and the improvement of targeting accuracy, the demand for advertisements (hereinafter referred to as creatives) is increasing. However, because of its large quantity, human hands are not sufficient to satisfy this demand. Also, even if generating creatives automatically, commonly used natural language generation approaches such as template-based and sequence-to-sequence (Seq2Seq)-based approaches do not explicitly consider the effects of generated creatives. To solve this problem, we propose Seq2Seq-based methods that can take into account the effects of creatives as a reward of the reinforcement learning approach. In this paper, we investigated the effectiveness of automatically generated creatives by comparing the conventional and our proposed methods on various domains of advertisements.

Journal

Details

  • CRID
    1050574047071149056
  • NII Article ID
    170000150667
  • Web Site
    http://id.nii.ac.jp/1001/00198961/
  • Text Lang
    ja
  • Article Type
    conference paper
  • Data Source
    • IRDB
    • CiNii Articles

Report a problem

Back to top