Tez No	İndirme	Tez Künye	Durumu
703205		Generating ad creatives using deep learning for search advertising / Arama motoru reklamcılığı için derin öğrenme kullanarak reklam oluşturma Yazar:KEVSER NUR ÇOĞALMIŞ Danışman: DOÇ. AHMET BULUT Yer Bilgisi: İstanbul Sabahattin Zaim Üniversitesi / Fen Bilimleri Enstitüsü / Bilgisayar Bilimleri ve Mühendisliği Ana Bilim Dalı Konu:Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol = Computer Engineering and Computer Science and Control Dizin:İnternet reklamları = Internet advertisings	Onaylandı Doktora İngilizce 2020 62 s.
Bu çalışmada "tekrarlayan yapay sinir ağı" kullanarak reklam kreatifi oluşturmayı otomatikleştiren bir model oluşturduk. Reklamı yapılacak olan ürüne ait bir varış say- fası, o ürünle ilgili reklam oluşturmak için kullanılması mümkün olan ilgili metinleri içermektedir. Otomatik reklam kreatifi oluşturma problemini bir metin özetleme sorunu olarak ele aldık ve "Uzun Kısa Vadeli Hafıza Ağları" kullanarak dizi alıp dizi üreten bir model oluşturduk. Bu modelde, kaynak dizisi sabit boyutlu bir vektör olarak tem- sil edilir ve bu vektör o dizinin tüm kontekst içindeki anlamını ifade eder. Modele ait dekoder ise çıktı dizisini tahmin etmek için, girdi olarak modele sağlanmış olan bu vektörü kullanır. Önerilen yaklaşımın geçerliliğini incelemek için temel olarak dört farklı veri seti üzerinde testler yaptık. Yapılan testlerin sonuçları, D temp adlı şablona dayalı olarak oluşturulmuş olan bir veri kümesi kullanılarak, hiper parametrelerle oluşturulan mod- elin, kaliteli reklam kreatifleri oluşturabildiğini göstermiştir. Modelin içerik olarak daha zengin bir veri kümesi ile eğitilmesi ve daha iyi hiper-parametre ile çalıştırılması modelin performansını artırdı. İçerik açısından daha zengin olan veri kümesi D rich , Dtemp 'den 20 kat daha fazla farklı kelime içerdiğinden, Drich veri kümesinin boyu- tunu artırmanın, modelin daha kaliteli reklam kreatifleri oluşturmasını sağlaması bek- lenmektedir. Bununla birlikte modelin eğitilmesi aşamasında kaynak ve hedef veri kümeleri ortak diziler paylaştığında, modelin en iyi reklam öğelerini oluşturduğunu gözlemledik. Ayrıca, veri kümesinin sayısal olarak ifade edilmesi için GloVe kelime vektör modeli kullanıldığında, modelin performansı 3 kata kadar arttırıldı.
We propose an automatic ad creative generation using a recurrent neural net- work. A landing page being advertised includes relevant text data, which can be used for generating ads. We formulated the ad creative generation task as a text summariza- tion problem and built a sequence to sequence model with a Long Short Term Memory network. In this network, a source sequence is encoded and represented as a fixed-size vector, which represents the context of the sequence. The decoder uses the source encoding to predict the target sequence. In order to assess the validity of the proposed approach, we experimented on four different datasets. The empirical evaluations have shown that the proposed model can generate relevant ad creatives on a template-based dataset Dtemp with moderate hyper-parameters. Training the model with more content increased the performance of the model due to better hyper-parameter tune-up. Since the rich-in-context dataset Drich includes 20x more unique words than Dtemp , we expect that increasing the size of Drich even further enables the network to generate more relevant ads. We observed that when the source and target shared common sequences during the training, the model produced the best ad creatives. Also, GloVe word embedding for input representation improved the performance of the network.