[論文レビュー] Measuring Effectiveness of Video Advertisements

James Hahn, Adriana Kovashka|arXiv (Cornell University)|Jan 15, 2019

Advanced Text Analysis Techniques参考文献 22被引用数 8

ひとこと要約

本論文では、人間によるアノテーション付き動画特徴量とコンピュータビジョン技術を組み合わせたハイブリッド機械学習手法を提案し、YouTube広告の効果を予測するもので、アンサンブルモデルを用いて84%のバイナリ分類精度を達成。個々の分類器よりも30–35%の性能向上を実現した。

ABSTRACT

Advertisements are unavoidable in modern society. Times Square is notorious for its incessant display of advertisements. Its popularity is worldwide and smaller cities possess miniature versions of the display, such as Pittsburgh and its digital works in Oakland on Forbes Avenue. Tokyo's Ginza district recently rose to popularity due to its upscale shops and constant onslaught of advertisements to pedestrians. Advertisements arise in other mediums as well. For example, they help popular streaming services, such as Spotify, Hulu, and Youtube TV gather significant streams of revenue to reduce the cost of monthly subscriptions for consumers. Ads provide an additional source of money for companies and entire industries to allocate resources toward alternative business motives. They are attractive to companies and nearly unavoidable for consumers. One challenge for advertisers is examining a advertisement's effectiveness or usefulness in conveying a message to their targeted demographics. Rather than constructing a single, static image of content, a video advertisement possesses hundreds of frames of data with varying scenes, actors, objects, and complexity. Therefore, measuring effectiveness of video advertisements is important to impacting a billion-dollar industry. This paper explores the combination of human-annotated features and common video processing techniques to predict effectiveness ratings of advertisements collected from Youtube. This task is seen as a binary (effective vs. non-effective), four-way, and five-way machine learning classification task. The first findings in terms of accuracy and inference on this dataset, as well as some of the first ad research, on a small dataset are presented. Accuracies of 84\%, 65\%, and 55\% are reached on the binary, four-way, and five-way tasks respectively.

研究の動機と目的

• 計算特徴量と人間によるアノテーションラベルを用いて、動画広告の効果を自動的かつ人間の介入なしに予測する手法を開発すること。
• 再生後の指標（再生回数やコメント数など）に依存せずに、スケーラブルに広告効果を測定する課題に対処すること。
• ハイブリッドアンサンブル学習アルゴリズムを導入することで、個々の分類器を上回る予測精度を向上させること。
• 多様なプラットフォーム、解像度、文化的文脈において、広告の効果を初期段階で評価可能にする仕組みを提供すること。
• 静的画像データセットを、動画データに比べて複雑さが低く、過学習のリスクが低い補完的代替手段として用いる可能性を検討すること。

提案手法

• 正規化を経た965本のYouTube動画広告のデータセットを収集し、効果性、記憶性、クライマックスのタイミング、継続時間について人間によるアノテーションラベルを付与。
• 標準的な動画処理技術を用いて、ショット境界、平均トーン、オプティカルフロー、オブジェクト検出などの低レベル視覚特徴を抽出。
• 動画コンテンツからの顔の表情検出、文字認識、感情分析／トピックモデリングなどの高レベル特徴を統合。
• 各特徴タイプごとに別々に、サポートベクターマシン、決定木、ロジスティック回帰などの個々の分類器を訓練。
• 訓練データの潜在的分布をモデル化することで予測性能を向上させる、新規のハイブリッドアンサンブル学習アルゴリズムを開発。
• アンサンブルモデルを用いて、バイナリ分類、4値分類、5値分類の各タスクにおいて効果性スコアを予測。

実験結果

リサーチクエスチョン

• RQ1 人間によるアノテーション付き特徴量と計算で抽出された動画特徴量の組み合わせは、YouTube広告の効果を高い精度で予測できるか？
• RQ2 複数のスケールの評価基準において、アンサンブル学習モデルは個々の分類器と比較して、動画広告の効果をどのように予測するか？
• RQ3 ユーザー参加指標に依存せずに、低レベルおよび高レベルの視覚的特徴が、広告効果予測にどの程度寄与するか？
• RQ4 ハイブリッドアンサンブルモデルを用いることで、ベースラインモデルと比較して分類精度がどの程度向上するか？
• RQ5 静的画像データセットは、過学習のリスクが低く、広告効果モデル化のための実用的で複雑さの低い代替手段として有効であるか？

主な発見

• 提案されたハイブリッドアンサンブル学習アルゴリズムは、動画広告効果予測において84%のバイナリ分類精度を達成し、個々の分類器を著しく上回った。
• アンサンブルモデルは、バイナリ分類、4値分類、5値分類の各タスクにおいて、ベースラインモデルと比較して30–35%の精度向上を実現した。
• 記憶性、クライマックスのタイミング、継続時間といった人間によるアノテーション特徴量が、コンピュータビジョン特徴量とともに、効果性予測に有意義に寄与した。
• 約64,000枚の画像を含む静的画像データセットの使用は、複雑さが低く、過学習のリスクも低いという点で、有望な代替手段であると特定された。
• 本研究では、視覚的・テクスチャ的・構造的動画特徴量の組み合わせを用いた、人間の介入なしの自動的広告効果予測の実現可能性を示した。
• 今後の研究では、感情やトピックを予測する畳み込みニューラルネットワークを訓練し、フィードバックベースのGANと組み合わせることで、さらに効果的予測を向上させられる可能性がある。