Erweiterte Suche

An interactive machine learning system for image advertisements


Förste, Markus ; Nadj, Mario ; Knäble, Merlin ; Mädche, Alexander ; Gehrmann, Leonie ; Stahl, Florian


[img] PDF
MuC_2021_Paper.pdf - Eingereichte Version
Download (2MB)

DOI: https://doi.org/10.1145/3473856.3474027
URL: https://dl.acm.org/doi/10.1145/3473856.3474027
URN: urn:nbn:de:bsz:180-madoc-641049
Dokumenttyp: Konferenzveröffentlichung
Erscheinungsjahr: 2021
Buchtitel: MuC '21: Proceedings of Mensch und Computer 2021 : Tagungsband
Seitenbereich: 574-577
Veranstaltungstitel: Mensch und Computer 2021, MuC 2021
Veranstaltungsort: Ingolstadt, Gemany
Veranstaltungsdatum: 05-08.09.2021
Herausgeber: Schneegass, Stefan ; Pfleging, Bastian ; Kern, Dagmar
Ort der Veröffentlichung: New York, NY
Verlag: Association for Computing Machinery
ISSN: 978-1-4503-8645-6
Verwandte URLs:
Sprache der Veröffentlichung: Englisch
Einrichtung: Fakultät für Betriebswirtschaftslehre > Quantitatives Marketing und Konsumentenverhalten (Stahl 2013-)
Fachgebiet: 004 Informatik
Freie Schlagwörter (Englisch): advertising , image ads , interactive machine learning
Abstract: Advertising is omnipresent in all countries around the world and has a strong influence on consumer behavior. Given that advertisements aim to be memorable, attract attention and convey the intended information in a limited space, it seems striking that previous research in economics and management has mostly neglected the content and style of actual advertisements and their evolution over time. With this in mind, we collected more than one million print advertisements from the English-language weekly news magazine “The Economist” from 1843 to 2014. However, there is a lack of interactive intelligent systems capable of processing such a vast amount of image data and allowing users to automatically and manually add metadata, explore images, find and test assertions, and use machine learning techniques they did not have access to before. Inspired by the research field of interactive machine learning, we propose such a system that enables domain experts like marketing scholars to process and analyze this huge collection of image advertisements.




Dieser Eintrag ist Teil der Universitätsbibliographie.

Das Dokument wird vom Publikationsserver der Universitätsbibliothek Mannheim bereitgestellt.




Metadaten-Export


Zitation


+ Suche Autoren in

BASE: Förste, Markus ; Nadj, Mario ; Knäble, Merlin ; Mädche, Alexander ; Gehrmann, Leonie ; Stahl, Florian

Google Scholar: Förste, Markus ; Nadj, Mario ; Knäble, Merlin ; Mädche, Alexander ; Gehrmann, Leonie ; Stahl, Florian

ORCID: Förste, Markus ; Nadj, Mario ; Knäble, Merlin ; Mädche, Alexander ; Gehrmann, Leonie ; Stahl, Florian ORCID: 0000-0002-2846-3424

+ Download-Statistik

Downloads im letzten Jahr

Detaillierte Angaben



Sie haben einen Fehler gefunden? Teilen Sie uns Ihren Korrekturwunsch bitte hier mit: E-Mail


Actions (login required)

Eintrag anzeigen Eintrag anzeigen