CAMERA³

CAMERA³是一个用于评估日文广告领域中可控文本生成的数据集。该数据集包含3,980个由专家注释者编写的广告文本，考虑了LP（着陆页）中广告诉求的各个方面。

CAMERA³ is a dataset designed for evaluating controllable text generation in the Japanese advertising domain. It contains 3,980 advertising texts authored by expert annotators, covering all aspects of advertising appeals in LP (Landing Page).

原始信息汇总

CAMERA³ 数据集

CAMERA³ 是一个用于评估日本广告领域可控文本生成能力的评估数据集。该数据集包含3,980条由专业标注人员编写的广告文本，考虑了LP（着陆页）中广告诉求的各个方面。

数据集文件

• JSON格式: data/camera3-v1.json
• JSONL格式: data/camera3-v1.jsonl
• 着陆页图像: camera3-v1-lp-screenshot-sliced/screen-1200-{lp_image_sliced}.png

数据字段

字段名	描述
instance_id	唯一ID
lp_image_sliced	与着陆页图像关联的ID
annotator_id	标注者ID
kw	搜索关键词
lp_meta_description	从着陆页提取的元描述
lp_image_sliced_ocr_text	着陆页图像的OCR结果
ad_appeal_type	广告诉求类型
ad_text	广告文本

示例条目

json { "instance_id": 0, "lp_image_sliced": "screen-1200-100303_00.png", "annotator_id": 5, "kw": "マイカー 共済", "lp_meta_description": "2022年最新の自動車保険のランキングを発表！...", "lp_image_sliced_ocr_text": "コのほけん! 保険比較のコのほけん!>...", "ad_appeal_type": "価格", "ad_text": "ネットからの契約だと割引あり" }

引用

@inproceedings{inoue-etal-2024-camera3, title = "CAMERA³: An Evaluation Dataset for Controllable Ad Text Generation in Japanese", author = "Inoue, Go and Kato, Akihiko and Mita, Masato and Honda, Ukyo and Zhang, Peinan", booktitle = "Proceedings of the Fourteenth Language Resources and Evaluation Conference", month = may, year = "2024", address = "Turin, Italy", publisher = "European Language Resources Association" }

许可

该数据集遵循Creative Commons Attribution-NonCommercial-ShareAlike 4.0 International License许可。

搜集汇总

数据集介绍

构建方式

CAMERA³数据集的构建基于广告领域的可控文本生成需求，由专家标注者精心撰写3,980条广告文本。这些文本在生成过程中充分考虑了LP（Landing Page）中的多种广告诉求，确保数据集的多样性和实用性。此外，数据集还包含了与广告文本相关的LP图像切片及其OCR结果，进一步丰富了数据的内容和应用场景。

特点

CAMERA³数据集的显著特点在于其专注于日本广告领域的可控文本生成，涵盖了多种广告诉求类型。数据集不仅提供了丰富的广告文本，还附带了LP图像及其OCR文本，使得研究者能够综合分析视觉和文本信息。此外，数据集的结构化设计使得每条数据都具有唯一的标识符和详细的元数据，便于进行深入的分析和应用。

使用方法

CAMERA³数据集的使用方法灵活多样，研究者可以直接访问`data/`目录下的`json`或`jsonl`文件，获取标注的广告文本及其相关信息。同时，LP图像可以通过提供的链接下载，结合OCR文本进行多模态分析。数据集的结构化设计使得每条数据都包含唯一的`instance_id`、`lp_image_sliced`、`annotator_id`等信息，便于进行数据检索和分析。

背景与挑战

背景概述

CAMERA³数据集是由Inoue等人于2024年创建，旨在为日本广告领域的可控文本生成提供一个评估基准。该数据集包含了3,980条由专家标注的广告文本，这些文本在生成时充分考虑了着陆页（LP）中的多种广告诉求。CAMERA³不仅提供了广告文本数据，还包含了相关的着陆页图像及其OCR结果，为研究者提供了一个多模态的数据集。该数据集的发布对于推动广告文本生成技术的发展具有重要意义，尤其是在可控性和多样性方面。

当前挑战

CAMERA³数据集在构建过程中面临了多重挑战。首先，广告文本的生成需要考虑多种广告诉求类型，如价格、质量等，这对模型的可控性提出了高要求。其次，数据集包含了着陆页图像及其OCR结果，如何有效整合这些多模态信息并生成高质量的广告文本是一个技术难题。此外，由于数据集涉及广告领域，如何确保生成的文本既符合广告规范又具有吸引力，也是研究者需要解决的挑战。

常用场景

经典使用场景

CAMERA³数据集在广告领域的可控文本生成中展现了其经典应用场景。该数据集通过包含3,980条由专家标注的广告文本，结合LP页面的多种广告诉求，为研究者提供了一个丰富的资源库，用于训练和评估广告文本生成模型。这些模型可以根据不同的广告诉求类型，如价格、质量等，生成相应的广告文本，从而实现广告内容的精准定制。

衍生相关工作

CAMERA³数据集的发布激发了广告文本生成领域的多项相关研究。例如，有研究者基于该数据集开发了新的广告文本生成模型，这些模型能够更好地捕捉广告诉求的细微差别，并生成更具吸引力的文本。此外，还有研究探讨了如何将视觉信息与文本生成相结合，以提升广告的整体效果。这些衍生工作不仅丰富了广告文本生成的研究内容，也为广告行业的实际应用提供了新的技术支持。

数据集最近研究

最新研究方向

在广告领域的可控文本生成研究中，CAMERA³数据集的引入为日本市场的广告文本生成提供了新的评估基准。该数据集不仅包含了由专家标注的3,980条广告文本，还结合了LP页面的图像和OCR文本，使得研究者能够在多模态信息的基础上探索广告文本的生成与优化。这一数据集的推出，标志着广告生成技术在精细化控制和实际应用中的重要进展，尤其是在考虑广告吸引力类型和关键词匹配方面，为未来的研究提供了丰富的实验场景和数据支持。