基于对话的上下文感知广告生成方法Core-Query研究

文献标题

利用核心查询生成基于对话的情境敏感型广告

文献信息

• 主题领域: 人机交互、情境敏感型广告生成、对话系统
• 关键词: 对话、情境、广告、查询生成、掩码预测

研究背景与问题

• 问题与挑战:

  1. 当前广告呈现技术虽然能根据时间或用户信息（如天气、位置、历史记录）生成个性化广告，但无法基于实时对话内容生成符合上下文的广告。
  2. 对话内容多样且话题变化快，使得提前设计符合对话内容的广告变得困难。
  3. 缺乏一种在考虑对话情境的基础上生成适合的搜索查询的方法。

• 重要性: 通过根据实时对话动态调整广告内容，可以更好吸引用户注意并提高广告效果，尤其是在与用户兴趣直接相关的特定场景中。

• 研究动机: 作者提出"Conversational Context-sensitive Advertisement generator"（简称CoCoA），旨在通过更智能的广告生成方式改善目前对话情境下广告生成存在的不足。

解决方案

• 方法概述: 作者提出了一种名为CoCoA的系统：

  1. 核心查询 (Core-Queries): 广告商仅需准备一些抽象短语作为广告的核心信息。
  2. 对话情境转换: 系统通过分析对话内容，将关键词动态补充到核心短语中，从而生成搜索查询来提取广告内容。

• 创新点:

  1. 采用了"核心查询"的概念，将广告生成分为"动态选择核心查询"和"从对话中补充关键词"两部分，提升对对话情境的适应性。
  2. 应用了掩码词预测（masked word prediction）技术，从对话内容中智能预测与情境相关的补充词。这是首次将掩码词预测技术应用于情境敏感的信息检索。

• 实施步骤:

  1. 核心查询创建: 广告商准备抽象短语作为核心查询，例如“欣赏美景”。
  2. 核心查询选择: 利用句向量相似性计算，选出与当前对话相关性最高的核心查询。
  3. 关键词补充:
     • 使用BERT模型对核心查询进行掩码预测，补充对话中最相关的关键词。
  4. 广告生成: 将补充的关键词与核心查询拼接，生成最终的搜索查询以提取相关广告内容。

研究成果

• 实验结果:

  1. 情境敏感测试: 在300名参与者评价中，CoCoA生成的广告与对话情境的契合度和广告效果优于对比方法（如Google Suggest）。
  2. 鲁棒性测试: 即使核心查询由参与者自定义，CoCoA仍然能够生成高质量且情境相关的广告。
  3. 独特效果: CoCoA不仅能生成广告商预设的预期结果，还能通过上下文分析生成广告商未预想到的高质量广告。

• 优势:

  • 相较Google Suggest等方法，CoCoA可充分利用对话记录，生成更具情境感知和吸引力的广告。
  • 简化广告商的准备工作，仅需准备少量抽象语句即可支持多种情境。

• 局限性与未来方向:

  1. 噪音环境问题: 当前实验在实验室环境中进行，系统对噪音干扰的鲁棒性未被充分验证。
  2. 隐私保护问题: 应用在真实场景时，系统需要解决用户隐私保障问题，例如获得用户明确授权。
  3. 受限于预训练模型: 当前依赖BERT的掩码预测模型，未来可探索更精确的语言模型或领域专用的微调模型。
  4. 广告效果验证: 尚未明确证明广告情境适配性与实际商业转换效果之间的直接关系。

总结

CoCoA为在对话情境下生成动态广告提供了创新性解决方案，通过核心查询与掩码预测技术的结合，不仅显著提升了广告的个性化和贴合度，也为基于对话的情境广告生成开辟了新思路。然而，在实际场景应用中，仍需克服技术与隐私上的诸多挑战，为技术推广奠定更坚实的基础。