| 大会名称 |
|---|
| 2019年 情報科学技術フォーラム(FIT) |
| 大会コ－ド |
| F |
| 開催年 |
| 2019 |
| 発行日 |
| 2019-08-20 |
| セッション番号 |
| 3b |
| セッション名 |
| ソフトウェア（３） |
| 講演日 |
| 2019/09/03 |
| 講演場所(会議室等) |
| 一般教育棟 A棟 A32 |
| 講演番号 |
| B-012 |
| タイトル |
| PNASNet-5およびWide&Deep Mixアプローチを用いたバナー広告のCTR分類 |
| 著者名 |
| 平岩篤信, 渡邊太郎, ディン・マイン グエン, チョン・タン ディン, ディン・タオ グエン, 神谷 寛, 大西一貫, マハモドゥル ハサン, |
| キーワード |
| CTR予測, 画像分類, ニューラルネットワーク, 深層学習 |
| 抄録 |
| Click Through Rate (called CTR) based banner classification using PNASNet-5 with wide and deep mix modeling approach is proposed for improvement of prediction accuracy being applied to real display network internet banner ads considering advertisement strategies. The proposal provides prediction for using evaluation quality of banner image before actual broad casting and enhances realization to optimized broadcasting allocation for internet business advertisement. Accuracies of 87.3% and 95.9% are confirmed in two media platform cases comparing test between predicted CTR score and actual CTR score in performance report. The proposal helps image creative process via reducing revision and improves business speed. |
| 本文pdf |
| PDF download (624.3KB) |