Контекстная реклама это википедия: Контекстная реклама: что это такое и для чего нужна

Содержание

Что такое контекстная реклама? — WiKi UpMe

Контекстная реклама — вид рекламы в интернете, при котором рекламное объявление показывается в соответствии с содержанием, аудиторией, местом расположения, временем или иным контекстом страницы сайта.

Google AdWords существует следующие варианты контекстной рекламы:

  • В поисковой сети — вверху и под результатами органической выдачи. Пользователь ищет услугу в Гугле — в ответ на свой запрос видит объявления в результатах поиска. Такие объявления помечаются как реклама;
  • Баннерная — зачастую встречается в блогах. На информационном портале о туризме будут контекстные объявления о продаже туров;
  • Товарная — в результатах поисковой выдачи по товарным запросам в виде отбельного блока с карточками товаров.
  • Видео — в роликах на Youtube.
  • В мобильных приложениях — из Google Play Market.

Как работает контекстная реклама

В контекстной рекламы оплачиваются клики по объявлению, иногда — показы (только для медийной рекламы) и просмотры (для видео-рекламы на Ютубе). Проще говоря, рекламодатель покупает переходы на сайт.

Стоимость клика зависит от конкуренции в нише. Каждый рекламодатель устанавливает ставку (максимальную цену за клик). У кого ставки выше — те и показываются. Есть и другие факторы, которые влияют на показ объявления, но это уже детали.

В контекстной рекламе много гибких настроек. Можно показывать рекламу только в определенные дни или часы. Или выделить конкретные города/районы и ориентировать рекламу только на них.

Google AdWords

Google — лидер не только в Украине, но и в мире по контекстной рекламе. Так-что размещая контекстную рекламу в Гугле, можно охватить большую часть потенциальных клиентов.

В Google AdWords можно размещать поисковые и медийные объявления, запускать видео-рекламу на Ютубе. У Google есть своя сеть для медийной рекламы — КМС (контекстно-медийная сеть), куда входят миллионы сайтов, среди которых: Gmail, YouTube, ukr.net. Медийные объявления в AdWords могут быть в виде текста, картинки или анимированного баннера.

Принцип работы контекстной рекламы

Контекстная реклама работает по принципу оплаты за клики (отсюда и сокращение PPC — Pay Per Click). В этом ее фишка — вы платите только результат, а именно за переход на сайт. Но стоимость кликов динамическая и зависит от того, как хорошо вы поработали с рекламной кампанией.

Механизм аукциона и принцип ставок

В поисковой контекстной рекламе есть 7 мест для объявлений. Очевидно, что желающих показать свои объявления больше 7. Поэтому Google показывает тех, кто готов платить больше. И чем больше он заработает, тем выше покажет. Если ставка слишком низкая, то объявления будет показываться внизу или вообще на второй странице поиска.

Это может показаться сложным, но на самом деле все просто. Подобные «аукционы» система проводит каждый раз, когда пользователь вводит запрос в поиск. Система смотрит на установленные ставки в данный момент и автоматически отбирает объявления с наивысшими ставками и сортирует их по этому фактору.

На что обращать внимание

Кроме ставки, есть и другие факторы, которые влияют на позицию объявлений. Например: CTR и показатель качества.

CTR (click-trough rate)

CTR — это показатель «кликабельности» объявлений. Вычисляется он очень просто: количество показов делится на количество кликов. Допустим, было 100 показов и 15 кликов, значит CTR = 15%. Все очень просто.

Так вот, если этот показатель высокий, цена за клик будет ниже. Ведь, чем больше будет кликов по объявлению — тем больше заработает система. Ее алгоритм будет автоматически снижать стоимость клика по объявлениям с высоким CTR.

Показатель качества ключевого слова

У каждого ключевого слова в аккаунте AdWords есть свой показатель качества. Он измеряется от 1 до 10. Чем больше — тем лучше (хорошим показателем считается 7 и выше). Показатель качества ключевого слова складывается из многих факторов, среди которых:

  • качество посадочной страницы;
  • релевантность (соответствие) ключевого слова объявлению;
  • ожидаемый CTR (оценивается системой по истории ключевого слова).

Посадочная страница

Этот показатель зависит от того, насколько соответствует ключевое слово посадочной страничке. Если ключевое слово «ноутбуки Sony», а объявление ведет на главную страничку интернет-магазина электроники, то показатель качества будет низкий.

Google AdWords определяет релевантность странички через ее содержание (в т.ч. теги title, description, keywords) и если оно не соответстует ключевому слову, то занижается показатель качества.

Таким образом система стимулирует рекламодателей более качественно подбирать целевые странички под разные ключевые слова.

Релевантность объявления

AdWords оценивает ваши объявления на предмет того, насколько оно соответвует ключевому слову. На этот показатель влияет наличие ключевых слов в тексте объявления, а также его CTR.

Этим показателем Google мотивирует рекламодателей работать над CTR. Ведь чем чаще кликают на объявлениях, тем больше его заработок. Ну и самим рекламодателям тоже неплохо — ведь высокий CTR означает высокий показатель качества, а значит и ниже цены за клик.

Зачем нужны CTR и показатель качества

Все эти показатели нужны для того, чтобы контекстная реклама была максимально качественной и релевантной (соответствующей) поисковому запросу пользователя. Это прямой интерес поисковой системы — чтобы пользователь получал то, что ищет. А показатель качества и CTR — это индикаторы того, насколько соответствует объявлений запросу пользователя.

Если же игнорировать эти факторы и настраивать контекстную рекламу поверхностно (как делает большинство начинающих рекламодателей), то завышенные цены за клик будут обеспечены. И наоборот — если подходить к процессу настройки контекстной рекламы щепетильно, можно добиться снижения стоимости контекстной рекламы.

Как повысить показатель качества контекстной рекламы?

Показатель качества — один из важнейших составляющих экономной и эффективной контекстной рекламы в Google AdWords. Есть три основных фактора, которые влияют на показатель качества:

  • релевантность объявления ключевому слову;
  • качество посадочной странички;
  • ожидаемое значение CTR.

Каждый параметр может получить оценку: «выше среднего», «средний» и «ниже среднего». Пройдемся по каждому из пунктов подробнее.

Релевантность объявления ключевому слову

Релевантность объявления ключевому слову показывает насколько соответствует рекламное объявление ключевому запросу. Чтобы поднять уровень релевантности нужно поработать над объявлениями — составить более узкоспециализированные объявления, которые будут максимально подходить под ключевое слово.

Пример

Допустим, есть ключевое слово «замена дисплея iphone 5s». Пример плохого, нерелевантного заголовка объявления будет нечто вроде: «Ремонт айфонов». Такое объявление слишком общее и можно говорить о том, что контекстную рекламу настраивал аматор.

Хорошим заголовком под указанное ключевое слово будет «Замена дисплея на iPhone 5s». Такой заголовок максимально релевантен запросу пользователя и поэтому обеспечит максимальный CTR.

Такой вариант более затратен по времени, ведь надо создать много похожих объявлений под ключевые запросы, но все это окупается высоким CTR и низкой ценой за клик.

Качество посадочной странички

Качество посадочной странички говорит о том, насколько она подходит под запрос пользователя. Возьмем пример из предыдущего блока — «замена дисплея iphone 5s».

Чтобы добиться показателя выше среднего, посадочная страничка должна быть о ремонте дисплеев на iphone 5s или, как минимум должна иметь часть текста по этой теме. Выбрав для такого запроса главную или общую страничку, добиться хорошей оценки по качеству посадочной странички будет сложно.

Критерии, по которым AdWords оценивает страничку, официально не указаны, но специалисты сходятся во мнении, что это: содержание, тег title и мета-теги description, заголовок h2.

Ожидаемое значение CTR

Если на первые 2 фактора еще можно повлиять, то на ожидаемое значение CTR повлиять не получится. AdWords анализирует исторические данные по выбранному ключевому слову и определяет шансы объявления получить клик. Особенность в том, что система анализирует эффективность данного ключевого слова у всех рекламодателей.

Низкую оценку по этому параметру получают слишком общие однословные ключевые слова (дизайн, отдых, ремонт, авто, ноутбук). Поскольку повлиять на ожидаемое значение CTR нельзя, все, что можно сделать — исключить такие слова из рекламной кампании. Тем более, что зачастую они действительно имеют низкий CTR и низкий показатель конверсии.

Для того, чтобы поднять показатель качества нужно работать по двум направлениям: улучшать объявления и оптимизировать посадочные странички. Объявления стоит делать максимально заточенными под выбранные ключевые слова, а странички оптимизировать под выбранные запросы. Нелишней будет работа над юзабилити. Вполне возможно, что Google анализирует поведенческие факторы и берет их в расчет.

От ключевых фраз с низкой оценкой по ожидаемому CTR в большинстве случаев стоит отказываться — это повысит общий показатель качества аккаунта, но в любом случае нужно обращать внимание на конверсии.

Отличительной особенностью контекстной рекламы является возможность трансляции рекламы на целевую аудиторию. В то время, как аудиторию для рекламы в традиционных СМИ невозможно сегментировать, контекстная реклама позволяет обращаться только к тем, кто соответствует выбранным критериям: пол, возраст, город, устройство, интерес к теме. Как дополнительный источник привлечения трафика, контекстная реклама замечательный инструмент, но существует ряд недостатков:

  • Такой вид рекламы значительно дороже трафика из органической выдачи.
  • Позиции объявлений и частота показа зависят от конкурентов и ставок на рекламу.
  • Нет возможности получать стабильный результат за фиксированную сумму.
  • При нулевом бюджете, реклама не работает.
  • Существуют ограничения для типов товаров и услуг.

Но! Главный минус контекстной рекламы в том, что любая потраченная сумма на рекламу — не улучшает сайт в сравнение с поисковой оптимизацией, где необходимо улучшать сайт и постоянно его развивать.

Go to Top

Контекстная реклама в интернете, Google AdSense, Яндекс.

Директ, Бегун

Википедия: Контекстная реклама — тип интернет-рекламы, при котором рекламное объявление показывается в соответствии с содержанием, контекстом интернет-страницы.

Речь в статье пойдет о сервисах, которые организуют размещение контекстной рекламы в интернете. Контекстная реклама на сайте даст возможность его владельцу заработать деньги, а заказчику — продвинуть свой товар или услугу.

Контекстная реклама в интернете отличается от обычных баннеров или ссылок. Рекламные объявления в ней полностью соответствуют тематике сайтов, на которых они размещены. При этом ни владельцу сайта, ни рекламодателю не нужно за этим следить, т.к. сервисы контекстной рекламы сами отслеживают тематичность рекламных объявлений, размещенных на страницах сайта.

Контекстная реклама на сайте выгодна как рекламодателю, так и владельцу сайта. Рекламодатель получает гарантированные показы своих рекламных объявлений только заинтересованной в них аудитории, а владелец сайта, разместив такую рекламу, приобретает отличный источник дохода, величина которого зависит от темы сайта и его посещаемости.


Размещение контекстной рекламы на сайте принесет пользу и посетителям этого сайта, которые будут видеть объявления, так или иначе связанные с контентом или с запросом, приведшим их на этот сайт.

Некоторые сервисы контекстной рекламы очень требовательны к сайтам, подающим заявки на размещение рекламы, а некоторые не очень. Часть из этих сервисов даже позволяют разместить рекламу на сайте, расположенном на бесплатном хостинге. Но к таким сайтам правда и требования жестче.

У всех этих сервисов контекстной рекламы есть свои правила, которые необходимо соблюдать во избежание неприятностей. Стоит размещать на своем сайте контекстную рекламу от разных «производителей». Так можно застраховать свои доходы от различных сюрпризов и нюансов.

Begun (Бегун).

Википедия: Бегун — российский сервис контекстной рекламы по ключевым словам на площадках Рунета. Основными особенностями системы являются оплата за клик, релевантность, аукционная система оплаты рекламного объявления.

«Бегун» — один из самых доступных способов монетизации сайтов для вебмастеров, ориентирующихся на русский интернет (порог входа — 100 посетителей в день для сайтов на платном хостинге). Это позволило массовое использование «Бегуна» вебмастерами для заработка.

Cреди специалистов агентств интернет-рекламы бытует мнение о эффективности размещения контекстной рекламы в системе «Бегун» для покупки трафика. Интерфейс рекламной кампании системы «Бегун» позволяет достаточно гибко манипулировать источниками показов объявлений, а значит и качеством привлекаемых на сайт посетителей.

Дилерская сеть «Бегуна» включает в себя свыше 2500 рекламных агентств в 16 странах мира, в том числе в Китае и ЮАР. Но основные клиенты и партнеры компании расположены в России и СНГ.

В январе 2010 года «Бегун» стал авторизованным реселлером Google AdWords в России. В июне 2011 года «Бегун» получил возможность размещать объявления на «Рамблере» и через Яндекс. Директ. Эти же объявления могут при желании клиентов транслироваться на поиск Яндекса. Таким образом, «Бегун» становится — c некоторыми ограничениями — реселлером контекстной рекламы Яндекс.Директ.

Яндекс.Директ.

Википедия: «Яндекс.Директ» — система контекстной рекламы на страницах «Яндекса» и сайтах партнеров Рекламной Сети Яндекса (РСЯ). «Директ» в 2001 году стал первым сервисом поисковой рекламы в русскоязычном интернете, тогда как конкуренты — AdWords и Begun появились в российском сегменте интернета только в 2002 году.

Яндекс.Директ — это сервис контекстной рекламы от поисковой системы Яндекс. Требования к сайтам очень высокие, например, посещаемость от 500 человек в день. Плюс, для работы с этой системой требуется заключение договора в письменном виде. Поэтому эта система подойдет крупным рекламодателям и уже раскрученным сайтам.

Google AdSense.

Википедия: Google AdSense — сервис контекстной рекламы от Google. Программа автоматически размещает на веб-сайтах текстовые и графические объявления, подходящие по контексту. Владельцы сайтов, размещающие рекламу, получают доход за клики (переходы посетителей по рекламным ссылкам) и показы рекламы (Google AdSense для контекста).

Google AdSense или АдСенс — это сервис контекстной рекламы от поисковой системы Google. Позволяет разместить контекстную рекламу на любом сайте или блоге без какой-либо предварительной модерации. Лишь бы этот сайт не противоречил правилам размещения рекламы AdSense.

Сейчас AdSense начал сотрудничество с платежной системой Рапида, с помощью которой имеется возможность вывести деньги через почту России. В остальных странах вывод денег производится с помощью чеков, которые нужно будет обналичить в каком-либо банке.

Стоимость клика по рекламе может варьироваться от нескольких центов до нескольких десятков, а то и сотен долларов (довольно редкие клики). Кроме того, издатели веб-сайтов с помощью AdSense могут предоставлять своим посетителям поиск Google как по Интернету, так и непосредственно по сайту, зарабатывая деньги от объявлений Google (Google AdSense для поиска).

Google AdSense перечисляет деньги участникам программы раз в месяц, при накоплении суммы $100. В зависимости от страны доступны разные методы оплаты: чеком, через систему электронных платежей (EFT) непосредственно на банковский счёт, Western Union Quick Cash и через систему Рапида. Обналичивание чеков для граждан, проживающих на территории стран СНГ, возможно через банковские учреждения и некоторые платёжные системы.

Однако нужно иметь в виду, что в соответствии с Условиями предоставления услуг компания Google оставляет за собой право действовать по собственному усмотрению при выявлении недействительных кликов. На практике при выявлении так называемой «недопустимой активности» аккаунт Google AdSense блокируется и деньги за клики по рекламе на своём сайте Вы, скорее всего, не получите.

Снимать деньги по чеку также можно через систему ePayService — со 2 апреля 2014 года, отправка оригинала чека в офис компании не обязательна.

Контекстная реклама в интернете.




Крупномасштабный мелкозернистый классификатор контекстной рекламы с начальной загрузкой из Википедии

Yiping Jin, Вишакха Кадам, Dittaya Wanvarie


Abstract
Контекстная реклама предоставляет рекламодателям возможность нацеливаться на контекст, наиболее релевантный их объявлениям. Большое разнообразие потенциальных тем делает очень сложным сбор учебных документов для построения контролируемой модели классификации или составления написанных экспертами правил в системе классификации, основанной на правилах. Кроме того, в мелкозернистой классификации разные категории часто перекрываются или встречаются одновременно, что затрудняет точную классификацию. В этой работе мы предлагаем wiki2cat, метод для крупномасштабной мелкозернистой классификации текста путем касания графа категорий Википедии. Категории в таксономии IAB сначала сопоставляются с узлами категорий на графике. Затем метка распространяется по графу, чтобы получить список помеченных документов Википедии, чтобы вызвать классификаторы текста. Этот метод идеально подходит для крупномасштабных задач классификации, поскольку он не требует никаких документов с маркировкой вручную, правил или ключевых слов, подобранных вручную. Предлагаемый метод сравнивается с различными базовыми уровнями на основе обучения и ключевых слов и обеспечивает конкурентоспособную производительность на общедоступных наборах данных и новом наборе данных, содержащем более 300 подробных категорий.

ID антологии:
2021.TextGraphs-1.1
Том:
Материалы пятнадцатого семинара по методам на основе графиков для обработки натурального языка (текстовые графы-15)
Месяц:
Июнь
Год:
.
2021
Адрес:
Мехико, Мексика
Место проведения:
TextGraphs
SIG:
Издатель:
Associations for Computational0011
Pages:
1–9
Language:
URL:
https://aclanthology. org/2021.textgraphs-1.1
DOI:
10.18653/v1/2021.textgraphs-1.1
Bibkey:
Cite (ACL):
Ипин Джин, Вишакха Кадам и Диттая Ванвари. 2021. Самозагрузка крупномасштабного мелкозернистого классификатора контекстной рекламы из Википедии. In Proceedings of the Fifteenth Workshop on Graph-Based Methods for Natural Language Processing (TextGraphs-15) , страницы 1–9, Мехико, Мексика. Ассоциация компьютерной лингвистики.
Процитируйте (неофициально):
Самозагружающийся крупномасштабный детальный классификатор контекстной рекламы из Википедии (Jin et al., TextGraphs 2021)
Копия цитирования:
PDF:
https://aclanthology.org/2021.textgraphs-1.1.pdf
Code
 YipingNUS/contextual-eval-dataset

  • BibTeX
  • MODS XML
  • Сноска
  • Предварительно отформатированный
 @inproceedings{jin-etal-2021-bootstrapping,
    title = "Создание крупномасштабного детализированного классификатора контекстной рекламы из {W}ikipedia",
    автор = "Джин, Ипин и
      Кадам, Вишакха и
      Ванвари, Диттайя",
    booktitle = "Материалы пятнадцатого семинара по графическим методам обработки естественного языка (TextGraphs-15)",
    месяц = ​​июнь,
    год = "2021",
    address = "Мехико, Мексика",
    издатель = "Ассоциация вычислительной лингвистики",
    url = "https://aclanthology. org/2021.textgraphs-1.1",
    doi = "10.18653/v1/2021.textgraphs-1.1",
    страницы = "1--9",
    abstract = "Контекстная реклама предоставляет рекламодателям возможность настроить таргетинг на контекст, наиболее релевантный их объявлениям. Большое разнообразие потенциальных тем делает очень сложным сбор учебных материалов для построения контролируемой модели классификации или составления правил, написанных экспертами, в система классификации на основе правил.Кроме того, в мелкозернистой классификации разные категории часто перекрываются или встречаются одновременно, что затрудняет точную классификацию.В этой работе мы предлагаем wiki2cat, метод для решения крупномасштабной мелкозернистой классификации текста путем нажатия на граф категорий Википедии. Категории в таксономии IAB сначала сопоставляются с узлами категорий на графе. Затем метка распространяется по графу, чтобы получить список помеченных документов Википедии, чтобы вызвать классификаторы текста. Этот метод идеально подходит для проблемы крупномасштабной классификации, поскольку для этого не требуется никакого документа с маркировкой вручную, правил или ключевых слов, выбранных вручную.  помечены различными базовыми показателями на основе обучения и ключевых слов и обеспечивают конкурентоспособную производительность в общедоступных наборах данных и новом наборе данных, содержащем более 300 подробных категорий».
}
 
 

<моды>
    <информация о заголовке>
        Создание крупномасштабного мелкозернистого классификатора контекстной рекламы из Википедии
    
    <название типа="личное">
        Ипин
        Джин
        <роль>
            автор
        
    
    <название типа="личное">
        Вишакха
        Кадам
        <роль>
            автор
        
    
    <название типа="личное">
        Диттайя
        Wanvarie
        <роль>
            автор
        
    
    <информация о происхождении>
        2021-06
    
    текст
    
        <информация о заголовке>
            Материалы пятнадцатого семинара по графическим методам обработки естественного языка (TextGraphs-15)
        
        <информация о происхождении>
            Ассоциация компьютерной лингвистики
            <место>
                Мехико, Мексика
            
        
        публикация конференции
    
    Контекстная реклама предоставляет рекламодателям возможность ориентироваться на контекст, наиболее релевантный их объявлениям.  Большое разнообразие потенциальных тем делает очень сложным сбор учебных документов для построения контролируемой модели классификации или составления написанных экспертами правил в системе классификации, основанной на правилах. Кроме того, в мелкозернистой классификации разные категории часто перекрываются или встречаются одновременно, что затрудняет точную классификацию. В этой работе мы предлагаем wiki2cat, метод для крупномасштабной мелкозернистой классификации текста путем касания графа категорий Википедии. Категории в таксономии IAB сначала сопоставляются с узлами категорий на графике. Затем метка распространяется по графу, чтобы получить список помеченных документов Википедии, чтобы вызвать классификаторы текста. Этот метод идеально подходит для крупномасштабных задач классификации, поскольку он не требует никаких документов с маркировкой вручную, правил или ключевых слов, подобранных вручную. Предложенный метод сравнивается с различными базовыми показателями, основанными на обучении и ключевых словах, и обеспечивает конкурентоспособную производительность на общедоступных наборах данных и новом наборе данных, содержащем более 300 подробных категорий. 
    jin-etal-2021-начальная загрузка
    10.18653/v1/2021.textgraphs-1.1
    <местоположение>
        https://aclanthology.org/2021.textgraphs-1.1
    
    <часть>
        <дата>2021-06
        <единица экстента="страница">
            <начало>1
            <конец>9
        
    


 
 %0 Материалы конференции
%T Начальная загрузка крупномасштабного мелкозернистого классификатора контекстной рекламы из Википедии
%А Джин, Ипин
%A Кадам, Вишакха
%A Ванвари, Диттайя
%S Материалы пятнадцатого семинара по основанным на графах методам обработки естественного языка (TextGraphs-15)
%D 2021
%8 июня
%I Ассоциация компьютерной лингвистики
%C Мехико, Мексика
%F jin-etal-2021-начальная загрузка
%X Контекстная реклама предоставляет рекламодателям возможность настроить таргетинг на контекст, наиболее релевантный их объявлениям.  Большое разнообразие потенциальных тем делает очень сложным сбор учебных документов для построения контролируемой модели классификации или составления написанных экспертами правил в системе классификации, основанной на правилах. Кроме того, в мелкозернистой классификации разные категории часто перекрываются или встречаются одновременно, что затрудняет точную классификацию. В этой работе мы предлагаем wiki2cat, метод для крупномасштабной мелкозернистой классификации текста путем касания графа категорий Википедии. Категории в таксономии IAB сначала сопоставляются с узлами категорий на графике. Затем метка распространяется по графу, чтобы получить список помеченных документов Википедии, чтобы вызвать классификаторы текста. Этот метод идеально подходит для крупномасштабных задач классификации, поскольку он не требует никаких документов с маркировкой вручную, правил или ключевых слов, подобранных вручную. Предлагаемый метод сравнивается с различными базовыми уровнями на основе обучения и ключевых слов и обеспечивает конкурентоспособную производительность на общедоступных наборах данных и новом наборе данных, содержащем более 300 подробных категорий. 
%R 10.18653/v1/2021.textgraphs-1.1
%U https://aclanthology.org/2021.textgraphs-1.1
%U https://doi.org/10.18653/v1/2021.textgraphs-1.1
%Р 1-9
Уценка (неформальная)

[Самозагрузка крупномасштабного мелкозернистого классификатора контекстной рекламы из Википедии](https://aclanthology.org/2021.textgraphs-1.1) (Jin et al., TextGraphs 2021)

  • Самозагрузка Крупномасштабный детальный классификатор контекстной рекламы из Википедии (Джин и др., TextGraphs 2021)
ACL
  • Ипин Джин, Вишакха Кадам и Диттая Ванвари. 2021. Самозагрузка крупномасштабного мелкозернистого классификатора контекстной рекламы из Википедии. В Материалы пятнадцатого семинара по графическим методам обработки естественного языка (TextGraphs-15) , страницы 1–9, Мехико, Мексика. Ассоциация компьютерной лингвистики.

Категоризация контента для контекстной рекламы с использованием Википедии

  • Идентификатор корпуса: 62929186
  title={Категоризация контента для контекстной рекламы с использованием Википедии},
  автор={Ингрид Гр\о}нли Гурен},
  год = {2015}
} 
  • Ingrid Grønlie Guren
  • Опубликовано в 2015 г.
  • Информатика

Автоматическая категоризация контента является важной функцией онлайн-рекламы и автоматических рекомендаций по контенту, как для обеспечения контекстуальной релевантности мест размещения, так и для создания поведенческих профилей для пользователей, которые потребляют содержание. В рекламном домене дерево таксономии, по которому классифицируется контент, определяется с учетом некоторого коммерческого приложения, чтобы каким-то образом отражать рекламные ресурсы рекламной платформы. Характер рекламного инвентаря и язык… 

duo.uio.no

ПОКАЗЫВАЕТСЯ 1-10 ИЗ 13 ССЫЛОК

СОРТИРОВАТЬ ПО Релевантности Наиболее влиятельные документыНедавность

Извлечение сущностей, связывание, классификация и маркировка для социальных сетей: подход на основе Википедии

  • 9010 С. Ламба, А. Доан
  • Информатика

    Proc. ВЛДБ Эндоу.

  • 2013
  • В этом документе подробно описывается сквозная промышленная система, которая решает эти проблемы для социальных данных и использует основанную на Википедии глобальную базу знаний «в реальном времени», которая хорошо подходит для социальных данных.

    Определение тем документов с помощью сети категорий Википедии

    • Петер Шёнхофен
    • Информатика

      2006 IEEE/WIC/ACM International Conference on Web Intelligence (WI 2006 Main Conference Proceedings) (WI’06) 908003 908003

    Показано, что даже простой алгоритм, использующий только заголовки и категории статей Википедии, может на удивление хорошо характеризовать документы по категориям Википедии.

    Преодолеть узкое место с хрупкой с использованием Википедии: повышение категоризации текста с помощью энциклопедических знаний

    • E. Габрилович, Шаул Маркович
    • Компьютерная наука

      AAAI

    • 2006 9008 9009
      AAAA

    • 9009. обширный сборник человеческих знаний — энциклопедия, и эмпирические результаты подтверждают, что такое наукоемкое представление выводит категоризацию текста на качественно новый уровень производительности в разнообразных наборах данных.

      Введение в поиск информации

      • Кристофер Д. Мэннинг, П. Рагхаван, Хинрих Шютце
      • Информатика

      • 2005

      Этот учебник учит классическому поиску и поиску информации в Интернете. классификация и кластеризация текста из основных понятий, что делает его идеальным для вводных курсов по поиску информации для продвинутых студентов и аспирантов в области компьютерных наук.

      Расшифровка категорий Википедии для приобретения знаний

      • Виви Настасе, М. Струбе
      • Компьютерные науки

        AAAI

      • 2008
    • 2008

    .

    Извлечение семантических связей между категориями Википедии

    • Сергей Чернов, Тереза ​​Иофчиу, В. Нейдл, Сюань Чжоу
    • Информатика

      SemWiki

    • 2006

    В этой работе анализируются соответствующие меры для определения семантических отношений между категориями страниц Википедии и показано, что коэффициент связности положительно коррелирует с силой семантической связи.

    Named entity disambiguation by leveraging wikipedia semantic knowledge

    • Xianpei Han, Jun Zhao
    • Computer Science

      CIKM

    • 2009

    A novel similarity measure is proposed to leverage Wikipedia semantic knowledge for disambiguation, which surpasses other баз знаний за счет охвата концепций, богатой семантической информации и актуального контента, и был протестирован на стандартных наборах данных WePS.

    крупномасштабная неоднозначная организация, основанная на данных Википедии

    • Silviu Cucerzan
    • Компьютерная наука

      EMNLP

    • 2007

    по максимизированию. документа, а также согласование тегов категорий, связанных с объектами-кандидатами, реализованная система демонстрирует высокую точность устранения неоднозначности как в новостях, так и в статьях Википедии.

    Обработка речи и языка — введение в обработку естественного языка, компьютерную лингвистику и распознавание речи

    В этой книге используется эмпирический подход к обработке языка, основанный на применении статистических и других алгоритмов машинного обучения к большим тот же алгоритм можно использовать для распознавания речи и устранения неоднозначности словесного смысла.

    Добавить комментарий

    Ваш адрес email не будет опубликован. Обязательные поля помечены *