Publications
ワークショップ (国内) クリックフィードバックによる広告検索精度向上
堀田 徹, 田頭 幸浩, 小野 真吾, 山本 浩司, 塚本 浩司, 田島 玲
第5回データ工学と情報マネジメントに関するフォーラム (DEIM2013)
2013.3.1
オンライン広告におけるコンテキスト広告では,閲覧ページの内容やユーザーの行動履歴といったコンテ キスト情報から,それぞれの広告のクリック率(click-through rate; CTR)を予測している.このCTR の予測値をも とに期待収益を計算し,それを最大化するようにランキングし表示させている.CTRは過去の広告クリックログを 用いて機械学習モデルを作成し,モデルのスコアによって予測するのが一般的である.しかし,機械学習モデルは一 般に精度が高い一方で,配信時に大規模なアイテム集合に対して CTRを予測すると計算コストが高い.多くの広告 配信システムにおいては,ウェブページを素早く表示するために数十ミリ秒で上位の結果を検索する必要がある.精 度とレイテンシの両方を追求するため,コサイン類似度などの単純なスコアで少数の広告を情報検索のシステムを用 いて取得し,より精度の高い機械学習モデルでリランキングする手法が用いられる.本稿では,その 1段階目の情報 検索のシステムにおいて,標準的な情報検索システムで扱うことができる関数形のモデルを機械学習によって構築し, このモデルのスコアを従来のコサイン類似度の代わりに用いることにより,効率的な広告検索を行うアプローチをと り,評価を行った結果を報告する.
PDF : クリックフィードバックによる広告検索精度向上