[论文解读] 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 8

一句话总结

该论文提出了一种混合机器学习方法，结合人工标注的视频特征与计算机视觉技术，以预测YouTube视频广告的有效性，采用集成模型实现84%的二元分类准确率，相比单一分类器性能提升30-35%。

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.

研究动机与目标

• 开发一种全自动、无需人工参与的方法，利用计算特征和人工标注标签预测视频广告的有效性。
• 解决在不依赖发布后指标（如播放量或评论数）的情况下，以可扩展方式衡量广告有效性的挑战。
• 通过引入混合集成学习算法，提升预测准确率，超越单一分类器的表现。
• 实现在不同平台、分辨率和文化背景下，对视频广告进行早期阶段的有效性评估。
• 探索将静态图像数据集作为视频数据的补充替代方案，以降低复杂度并减少过拟合风险的可行性。

提出的方法

• 在归一化后收集965个YouTube视频广告的数据集，包含人工标注的有效性、记忆度、高潮点和时长标签。
• 使用标准视频处理技术提取低层次视觉特征，如镜头边界、平均色相、光流和目标检测结果。
• 整合高层次特征，包括面部表情检测、文本识别以及从视频内容中提取的情感/主题建模。
• 分别对每类特征独立训练分类器——支持向量机、决策树和逻辑回归。
• 开发一种新型混合集成学习算法，通过建模训练数据的底层分布来提升预测性能。
• 将集成模型应用于二元、四分类和五分类任务，预测有效性评分。

实验结果

研究问题

• RQ1 结合人工标注与计算提取的视频特征，能否以高准确率预测YouTube广告的有效性？
• RQ2 在多种评分尺度下，集成学习模型相较于单一分类器在预测视频广告有效性方面表现如何？
• RQ3 在不依赖用户参与指标的情况下，低层次和高层次视觉特征在预测广告有效性方面能发挥多大作用？
• RQ4 与基线模型相比，使用混合集成模型在提升分类准确率方面有何影响？
• RQ5 静态图像数据集能否作为建模广告有效性的可行、低复杂度替代方案，且过拟合风险更低？

主要发现

• 所提出的混合集成学习算法在预测视频广告有效性方面实现了84%的二元分类准确率，显著优于单一分类器。
• 在二元、四分类和五分类任务中，集成模型相较基线模型将预测准确率提升了30–35%。
• 人工标注特征（如记忆度、高潮点时间、时长）与计算机视觉特征共同对有效性预测有显著贡献。
• 使用约6.4万个图像的静态图像数据集被识别为一种有前景的替代方案，具有更低的复杂度和更小的过拟合风险。
• 本研究证明了利用视觉、文本和结构化视频特征组合，实现全自动、无需人工参与的视频有效性预测的可行性。
• 未来工作建议：训练卷积神经网络以预测情感或主题，可进一步提升有效性预测性能，尤其在结合基于反馈的GAN进行自动广告生成时。