Expert taxonomie voor gepersonaliseerde advertentieselectie met geïdentificeerde videoscènes

Student:Lennard Van de Slyeke
Richting:Master of Science in de industriële wetenschappen: informatica
Abstract:Vandaag de dag zijn advertenties gericht op de kijker, gebaseerd op eerder verkregen informatie. Dit kan indringend aanvoelen voor de kijker en is niet altijd acceptabel met betrekking tot de privacy van de kijker. Er is nood aan een oplossing die meer acceptabel is voor de kijker en meer geautomatiseerd. In deze paper is een dergelijke mogelijke oplossing onderzocht, namelijk om de advertentie te baseren op de inhoud van de media die wordt bekeken. Op deze manier is het niet nodig om uitgebreide gegevens over de kijker te verzamelen en voelt hij/zij zich mogelijk minder geviseerd en dus beter benaderbaar voor de reclame. Om die reden is er een methode bedacht om de advertenties te koppelen aan de inhoud van een video. Er wordt een nieuwe oplossing gepresenteerd die gebruikmaakt van het in kaart brengen van objecten, gedetecteerd door een machine learning-algoritme, voor advertenties op basis van een taxonomie.
Abstract (Eng):Nowadays advertisements are targeted specific to the viewer based on previously obtained information. This can feel intrusive for the viewer and on top of that is not always acceptable in regards to the viewer's privacy. A solution is needed that is more acceptable for the viewer and more automated for the content provider. This thesis explored such a possible solution, which is to base the advert on the content of the media being watched. This way there is no need to collect extensive data on the viewer and (s)he might feel less targeted and thus be more approachable for the advertised product or service. For that reason, a method is devised to link the advertisements to the contents of a video. A novel solution using a mapping of objects, detected by a machine learning algorithm, to advertisements based on a taxonomy is presented.