Annonces correspondant aux images d'une page Web

Les publicités Web aident à subventionner le contenu et les services gratuits et ont fait de Google le géant qu'il est aujourd'hui. Mais le logiciel utilisé pour les adapter aux intérêts d'un utilisateur ne peut le faire qu'en analysant les mots sur une page Web.

Processus d'apprentissage: Un nouveau logiciel de ciblage publicitaire a été formé pour reconnaître les caractéristiques des images à l'aide de photos téléchargées sur Flickr.

Qiang Yang à l'Université des sciences et technologies de Hong Kong veut changer cela. Il a développé un logiciel capable de sélectionner des publicités contextuelles en fonction du contenu d'images ou de vidéos sur une page. Yang et ses collègues de l'Université Jiao Tong de Shanghai en Chine ont présenté leurs travaux au Conférence AAAI sur l'intelligence artificielle à Atlanta la semaine dernière.

De nombreuses parties du Web à croissance rapide, telles que Facebook ou Picasa de Google, sont remplies d'images générées par les utilisateurs. Ils pourraient devenir une riche opportunité publicitaire avec la bonne technologie, dit Yang. De nombreuses photos dans des albums photo en ligne et des scènes vidéo n'ont pas de texte pour les décrire, dit-il. Les personnes qui parcourent leurs propres albums photo en ligne ou ceux des autres sont un public potentiel pour les publicités. Aujourd'hui, dit-il, il est impossible d'atteindre les gens là où il n'y a pas de texte environnant.

Pour faire correspondre une publicité à une image, le logiciel du groupe convertit d'abord l'image en une collection de mots. Le logiciel a été formé pour ce faire en explorant environ 60 000 images sur Flickr contenant des balises ajoutées par les utilisateurs.

Toute nouvelle image peut ensuite être grossièrement résumée en quelques mots, et un deuxième algorithme utilise ces mots pour sélectionner une annonce à afficher. Dans les essais de la technique, les publicités ont été associées à plus de 300 000 images trouvées via le moteur de recherche MSN de Microsoft (avant son changement de marque en Bing) en utilisant des termes de recherche courants. Les résultats étaient bons, dit Yang. Par exemple, une photo d'une rainette a provoqué la sélection d'annonces pour des fournitures pour animaux de compagnie. L'un d'un bateau et d'une plage a consulté des annonces pour des vacances à la voile et des chaussures de bateau.

L'approche est un exemple de technique d'apprentissage automatique appelée apprentissage par transfert, explique Yang. L'apprentissage par transfert essaie d'apprendre dans un espace (texte), puis d'appliquer le modèle appris à un espace de fonctionnalités très différent (comme les images), dit-il. Il vise à imiter l'apprentissage humain lorsque nous pouvons appliquer nos connaissances acquises, par exemple en jouant aux échecs, à un domaine apparemment différent tel que la planification stratégique en entreprise.

Reconnaissance d'images : Le logiciel peut faire correspondre la publicité à des images qu'il n'a jamais vues auparavant en fonction de ce qu'elles montrent.

Un panel de volontaires a été invité à regarder les images et les publicités choisies pour les accompagner et à évaluer les publicités qu'ils considéraient suffisamment pertinentes pour envisager de cliquer dessus. Ce test montre que nous pouvons, en moyenne, produire une annonce correcte pour trois annonces suggérées, explique Yang. Il pense qu'il s'agit d'un taux de réussite suffisamment élevé pour suggérer que l'approche pourrait fonctionner commercialement. Lorsque les mêmes utilisateurs ont vu des publicités sélectionnées au hasard avec des images, seul un sur 50 a été jugé suffisamment pertinent pour être cliqué.

Les chercheurs de Microsoft Research Asia ont précédemment développé un système qui a utilisé l'analyse d'images pour classer les photos en une poignée de catégories afin d'affiner la sélection textuelle de la publicité. L'objectif de Yang, dit-il, est d'apporter de la publicité contextuelle sur des pages avec peu ou pas de texte. Cela nécessiterait un logiciel capable de classer les images avec un vocabulaire plus large, comme celui qu'il développe.

L'équipe travaille actuellement à ajouter des fonctionnalités de type thésaurus à son système, afin qu'il puisse générer plusieurs mots pour décrire la même caractéristique dans une image, augmentant ainsi le nombre d'annonces pertinentes pouvant être trouvées. Il est déjà possible de faire fonctionner le logiciel sur des images vidéo individuelles. Le groupe travaille également à sa personnalisation pour fonctionner sur des séquences vidéo.

Cette approche de la publicité contextuelle est potentiellement très intéressante pour les annonceurs, déclare Debra Williamson, analyste senior au sein du cabinet d'études en marketing numérique et publicité. eMarketer . Sur le Web aujourd'hui, la publicité est construite autour du texte d'une page, même lorsque le média au centre de l'attention des gens est l'imagerie ou la vidéo.

Si la technologie est suffisamment fiable, son application à la vidéo aurait probablement plus de potentiel que pour les images fixes, déclare Williamson. Pour une longue vidéo, dit-elle, une courte description ne peut pas tout représenter dans la séquence. Si vous pouvez scanner le contenu de la vidéo, vous pouvez choisir des publicités à afficher minute par minute en fonction de ce qui apparaît.

cacher