～画像・言語特徴を用いた深層学習によるオンライン広告の効果予測が可能に～


　株式会社セプテーニ(本社：東京都新宿区、代表取締役社長：清水 雄介、以下「セプテーニ」)と、東京大学大学院情報理工学系研究科・山崎研究室による共著論文が、マルチメディア分野の国際会議「The Fifth IEEE International Conference on Multimedia Big Data (BigMM)」にて採択されました。


【「The Fifth IEEE International Conference on Multimedia Big Data (BigMM)」について】
http://bigmm2019.org/


【共著論文について】
■論文タイトル
「Deep neural network-based click-through rate prediction using multimodal features of online banners」

■発表者
夏　博惠　　　 （東京大学大学院情報理工学系研究科 電子情報学専攻 修士課程）
WANG Xueting （東京大学大学院情報理工学系研究科 電子情報学専攻　特任研究員）
山﨑 俊彦　　　（東京大学大学院情報理工学系研究科電子情報学専攻 准教授）
相澤 清晴　　　（東京大学大学院情報理工学系研究科電子情報学専攻 教授）
勢〆弘幸　　　 （Septeni Japan株式会社 AI推進部）

■発表概要
セプテーニは、東京大学大学院情報理工学系研究科電子情報学専攻・山崎研究室、修士課程の夏氏らとの共同研究により、広告の画像・言語特徴やその他入手可能なデータを用いて広告配信前に高精度に効果(ここではクリック率)を予測する技術を実現しました。
これまでも国内外でAI技術をもちいた広告効果の予測を行う研究はなされてきましたが、画像，テキスト，メタデータといったマルチモーダルなデータ（注１）であるにも関わらず、画像やテキストは効果的に用いることが難しく、メタデータ（注２）のみを使った効果予測が一般的でした。本研究では、メタデータに加えて画像・言語情報を統合して処理し高精度に広告効果を予測する新たな手法を考案しました。
過去に配信された約45,000枚の広告画像で学習を行い、約9,000枚の画像を用いて行った実験ではクリック率の予測相関係数が0.55 (国内広告系企業の技術では0.37)と、高い精度を実現できることを確認しました。
今後は，広告のデザイナー支援、AIによる自動広告生成、動画広告の効果予測や作成支援への発展などの応用が考えられます。　

■発表内容
＜研究背景と経緯＞
セプテーニでは、東京大学 大学院情報理工学系研究科 山崎研究室と2018年より産学連携を進めており、これまで蓄積してきた広告クリエイティブに関するデータをもとに、ディープラーニング（深層学習）をはじめとする機械学習技術により、クリエイティブ単位での広告効果の事前予測、予測根拠となった要因の可視化、改善案の提示・美的感覚の調整といった制作サポートの実現を目指して研究を進めてまいりました。

＜研究内容＞
このような取り組みのもと、今回採択された共著論文「Deep neural network-based click-through rate prediction using multimodal features of online banners」では、広告の画像・言語特徴やその他入手可能なデータを用いて広告配信前に高精度に効果(ここではクリック率)を予測する技術を実現しました。
これまでも国内外でAI技術を用いた広告効果の予測を行う研究はなされてきましたが、画像，テキスト，メタデータといったマルチモーダルなデータであるにも関わらず、画像やテキストは効果的に用いることが難しく、メタデータのみを使った効果予測が一般的でした。本研究では、メタデータに加えて画像・言語情報を統合して処理し高精度に広告効果を予測する新たな手法を考案しました。
具体的には、画像，テキスト，メタデータの各特徴ベクトルを深層学習器の全結合層に通し、各ベクトルの次元を揃えて加算するという手法によりクリック率の予測を行いました。特に縦横比のバリエーションが大きい画像を扱うことは従来手法では困難であったため、画像中から複数の固定されたサイズの画像を切り抜き、それからの予測値を統合するという手法を提案しました。その結果，メタデータのみを用いて予測するよりも，画像，テキスト，メタデータ全ての情報を用いて予測した方がより高い精度で予測することに成功しました。
さらに深層学習のアテンション機構（注３）を利用して、画像，テキスト，メタデータのそれぞれが広告効果にどの程度寄与していたかについても可視化を可能にしました。その結果、広告配信月による広告効果の違いなども明らかになっています。
過去に配信された約45,000枚の広告画像で学習、約9,000枚の画像でバリデーション（注4）(パラメータ最適化など)を行い、約9,000枚の画像を用いて予測実験を行いました。クリック率 (Click Through Rate, CTR)の予測相関係数が0.55 (国内企業が論文発表した既存技術を同データに適用した場合0.37)と、高い精度を実現できることを確認しました。
開発した技術の一部は、セプテーニより広告クリエイティブのソリューションツール「Odd-AI」としてサービス提供中です。

■今後の応用と展開
今回提案された手法により、多数の広告クリエイティブの配信検証プロセスを省略でき、配信開始時から広告効果の高いクリエイティブを優先的に選択することが可能となります。
今後の応用と展開としては、広告効果を高めるためのポイントをクリエイティブデザイナーにフィードバックするなどの広告作成支援、AIによる自動広告生成、動画広告の効果予測や作成支援への発展などの応用が考えられます。


※ 注1：単一の種類のデータだけでなく、画像やテキストなど複数の種類が混合されたデータのこと。

※ 注2：業種情報や配信日、配信先などの画像・テキスト以外の情報一般。

※ 注3：AIが最終的な判断を下すのに、特にどの点に注目したかという「重要度」を計算し、可視化する手法。

※ 注4：パラメータ最適化などを行い、得られたAIモデルが未知のデータにも汎化性をもって正しく対応できるかを確認する作業。

【本論文・研究に関するお問合せ】
Septeni Japan株式会社　AI推進部　
E-mail：ai_sep@septeni.co.jp

【報道に関するお問合せ】
株式会社セプテーニ・ホールディングス　広報部 広報課　小船戸・大沼
E-mail：koho@septeni-holdings.co.jp　
Tel：03-6857-7258
Twitterアカウント：http://twitter.com/Septeni_PR
Facebookページ　 ：http://www.facebook.com/septenigroup

■株式会社セプテーニの会社概要
主な事業内容　　インターネット広告事業
本社所在地　　　東京都新宿区西新宿8-17-1　住友不動産新宿グランドタワー28F
代表者　　　　　代表取締役社長　清水 雄介
会社URL　　　　http://www.septeni.co.jp/