電子情報通信学会 研究会発表申込システム
講演論文 詳細
技報閲覧サービス
技報オンライン
‥‥ (ESS/通ソ/エレソ/ISS)
技報アーカイブ
‥‥ (エレソ/通ソ)
 トップに戻る 前のページに戻る   [Japanese] / [English] 

講演抄録/キーワード
講演名 2018-03-08 15:30
Banner Click Through Rate Classification Using Deep Neural Convolutional Network
Nicolas MichelUniv. Of Tokyo)・Hayato SakataSMN)・Keita KuritaToshihiko YamasakiUniv. Of Tokyo
技報オンラインサービス実施中
抄録 (和) In banner advertising, Click Through Rate (CTR) is one of the most important indicators to evaluate one
advertisement?s quality. Advertisers create massive number of banner candidates in empirical ways, then proceed to actual tests
by delivering advertisement to measure each banner?s effectiveness. This process is expensive and therefore our CTR prediction
helps reducing online advertising costs. In this work, we propose a method to classify effective and ineffective advertising
banners based on image processing using state-of-the-art CNN. We first focus only on images then conduct experiments including
metadata (product, advertiser, etc) to increase the CTR prediction accuracy and demonstrate which metadata is the most
influential. Subsequently, each approach is compared to human performance. In the second part of our work, we detect which
parts of the image contribute predominantly to increase the CTR by generating heat maps for each classes. This work leads to a
deeper understanding of a banner advertising success and helps making decisions on how to improve it. 
(英) In banner advertising, Click Through Rate (CTR) is one of the most important indicators to evaluate one
advertisement?s quality. Advertisers create massive number of banner candidates in empirical ways, then proceed to actual tests
by delivering advertisement to measure each banner?s effectiveness. This process is expensive and therefore our CTR prediction
helps reducing online advertising costs. In this work, we propose a method to classify effective and ineffective advertising
banners based on image processing using state-of-the-art CNN. We first focus only on images then conduct experiments including
metadata (product, advertiser, etc) to increase the CTR prediction accuracy and demonstrate which metadata is the most
influential. Subsequently, each approach is compared to human performance. In the second part of our work, we detect which
parts of the image contribute predominantly to increase the CTR by generating heat maps for each classes. This work leads to a
deeper understanding of a banner advertising success and helps making decisions on how to improve it.
キーワード (和) Convolutional Neural Network / Click Through Rate / / / Deep Learning / Banner Advertising / Deep Learning /  
(英) Convolutional Neural Network / Click Through Rate / / / Deep Learning / Banner Advertising / Deep Learning /  
文献情報 信学技報, vol. 117, no. 484, IE2017-135, pp. 101-106, 2018年3月.
資料番号 IE2017-135 
発行日 2018-03-01 (IMQ, IE, MVE) 
ISSN Print edition: ISSN 0913-5685  Online edition: ISSN 2432-6380

研究会情報
研究会 CQ MVE IE IMQ  
開催期間 2018-03-08 - 2018-03-09 
開催地(和) 沖縄産業支援センター 
開催地(英) Okinawa Industry Support Center 
テーマ(和) 五感メディア,食メディア,マルチメディア, メディアエクスペリエンス,映像符号化, イメージメディアの品質,ネットワークの品質および信頼性,一般(食メディア(CEA)研究会,魅力工学(AC)研究会協賛) 
テーマ(英) Five Senses Media, Cooking and Eating Activities Media, Multimedia, Media Experience, Video Encoding, Image Media Quality, Network Quality and Reliability, etc. (Co-sponsor: Technical Committee on Multimedia on Cooking and Eating Activities (CEA)) 
講演論文情報の詳細
申込み研究会 IE 
会議コード 2018-03-CQ-MVE-IE-IMQ 
本文の言語 英語 
タイトル(和)  
サブタイトル(和)  
タイトル(英) Banner Click Through Rate Classification Using Deep Neural Convolutional Network 
サブタイトル(英)  
キーワード(1)(和/英) Convolutional Neural Network / Convolutional Neural Network  
キーワード(2)(和/英) Click Through Rate / Click Through Rate  
キーワード(3)(和/英) /  
キーワード(4)(和/英) /  
キーワード(5)(和/英) Deep Learning / Deep Learning  
キーワード(6)(和/英) Banner Advertising / Banner Advertising  
キーワード(7)(和/英) Deep Learning / Deep Learning  
キーワード(8)(和/英) /  
第1著者 氏名(和/英/ヨミ) Nicolas Michel / Nicolas Michel /
第1著者 所属(和/英) University Of Tokyo (略称: Univ. Of Tokyo)
University Of Tokyo (略称: Univ. Of Tokyo)
第2著者 氏名(和/英/ヨミ) Hayato Sakata / Hayato Sakata /
第2著者 所属(和/英) So-net Media Networks (略称: SMN)
So-net Media Networks (略称: SMN)
第3著者 氏名(和/英/ヨミ) Keita Kurita / Keita Kurita /
第3著者 所属(和/英) University Of Tokyo (略称: Univ. Of Tokyo)
University Of Tokyo (略称: Univ. Of Tokyo)
第4著者 氏名(和/英/ヨミ) Toshihiko Yamasaki / Toshihiko Yamasaki /
第4著者 所属(和/英) University Of Tokyo (略称: Univ. Of Tokyo)
University Of Tokyo (略称: Univ. Of Tokyo)
第5著者 氏名(和/英/ヨミ) / /
第5著者 所属(和/英) (略称: )
(略称: )
第6著者 氏名(和/英/ヨミ) / /
第6著者 所属(和/英) (略称: )
(略称: )
第7著者 氏名(和/英/ヨミ) / /
第7著者 所属(和/英) (略称: )
(略称: )
第8著者 氏名(和/英/ヨミ) / /
第8著者 所属(和/英) (略称: )
(略称: )
第9著者 氏名(和/英/ヨミ) / /
第9著者 所属(和/英) (略称: )
(略称: )
第10著者 氏名(和/英/ヨミ) / /
第10著者 所属(和/英) (略称: )
(略称: )
第11著者 氏名(和/英/ヨミ) / /
第11著者 所属(和/英) (略称: )
(略称: )
第12著者 氏名(和/英/ヨミ) / /
第12著者 所属(和/英) (略称: )
(略称: )
第13著者 氏名(和/英/ヨミ) / /
第13著者 所属(和/英) (略称: )
(略称: )
第14著者 氏名(和/英/ヨミ) / /
第14著者 所属(和/英) (略称: )
(略称: )
第15著者 氏名(和/英/ヨミ) / /
第15著者 所属(和/英) (略称: )
(略称: )
第16著者 氏名(和/英/ヨミ) / /
第16著者 所属(和/英) (略称: )
(略称: )
第17著者 氏名(和/英/ヨミ) / /
第17著者 所属(和/英) (略称: )
(略称: )
第18著者 氏名(和/英/ヨミ) / /
第18著者 所属(和/英) (略称: )
(略称: )
第19著者 氏名(和/英/ヨミ) / /
第19著者 所属(和/英) (略称: )
(略称: )
第20著者 氏名(和/英/ヨミ) / /
第20著者 所属(和/英) (略称: )
(略称: )
講演者
発表日時 2018-03-08 15:30:00 
発表時間 25 
申込先研究会 IE 
資料番号 IEICE-IMQ2017-43,IEICE-IE2017-135,IEICE-MVE2017-85 
巻番号(vol) IEICE-117 
号番号(no) no.483(IMQ), no.484(IE), no.485(MVE) 
ページ範囲 pp.101-106 
ページ数 IEICE-6 
発行日 IEICE-IMQ-2018-03-01,IEICE-IE-2018-03-01,IEICE-MVE-2018-03-01 


[研究会発表申込システムのトップページに戻る]

[電子情報通信学会ホームページ]


IEICE / 電子情報通信学会