論文の概要: Designing Truthful Contextual Multi-Armed Bandits based Sponsored Search Auctions

• arxiv url: http://arxiv.org/abs/2002.11349v1
• Date: Wed, 26 Feb 2020 08:24:23 GMT
• ステータス: 処理完了
• システム内更新日: 2022-12-28 15:45:03.808554
• Title: Designing Truthful Contextual Multi-Armed Bandits based Sponsored Search Auctions
• Title（参考訳）: 完全コンテキスト多要素帯域に基づくスポンサー付き検索オークションの設計
• Authors: Kumar Abhishek, Shweta Jain and Sujit Gujar
• Abstract要約: 我々は,スポンサー付き検索オークションにおいて,コンテキスト型マルチアームバンディット問題を考察する。 スポンサー付き検索オークションでは,戦略エージェントの存在下でのコンテキスト的マルチアームバンディット問題を考える。
• 参考スコア（独自算出の注目度）: 14.062161848728424
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: For sponsored search auctions, we consider contextual multi-armed bandit problem in the presence of strategic agents. In this setting, at each round, an advertising platform (center) runs an auction to select the best-suited ads relevant to the query posted by the user. It is in the best interest of the center to select an ad that has a high expected value (i.e., probability of getting a click $\times$ value it derives from a click of the ad). The probability of getting a click (CTR) is unknown to the center and depends on the user's profile (context) posting the query. Further, the value derived for a click is the private information to the advertiser and thus needs to be elicited truthfully. The existing solution in this setting is not practical as it suffers from very high regret ($O(T^{\frac{2}{3}})$).
• Abstract（参考訳）: スポンサー付き検索オークションでは,戦略エージェントの存在下でのマルチアームバンディット問題を考える。 この設定では、各ラウンドにおいて、広告プラットフォーム(センター)が、ユーザが投稿したクエリに関連する最適な広告を選択するためのオークションを実行する。 センターの一番の関心事は、期待値の高い広告を選択することだ(つまり、クリック$\times$値を得る確率は、それが広告のクリックに由来する)。 クリック(CTR)の確率は中央で不明であり、クエリをポストするユーザのプロファイル(コンテキスト)に依存する。 さらに、クリックのために導出された値は広告主へのプライベート情報であり、真に引き出す必要がある。 この設定における既存の解は、非常に高い後悔(o(t^{\frac{2}{3}})$)に苦しむため実用的ではない。

関連論文リスト

• Improved Online Learning Algorithms for CTR Prediction in Ad Auctions [8.2536631346421]
  広告オークションにおける収益のオンライン学習問題について検討する。 広告主の戦略的行動の2つのモデルに焦点を当てる。 我々は,高信頼度境界に基づくオンラインメカニズムを開発し,O(sqrtT)$後悔の度合いを実現する。
  論文  参考訳（メタデータ） (2024-02-29T14:10:26Z)
• Discrimination through Image Selection by Job Advertisers on Facebook [79.21648699199648]
  求人広告における新たな差別手段の出現状況について検討する。 ターゲティングとデリバリーの両方を組み合わせ、求人広告画像の特定の人口層を不均等に表現したり排除したりする。 私たちはFacebook Ad Libraryを使って、このプラクティスの有病率を実証しています。
  論文  参考訳（メタデータ） (2023-06-13T03:43:58Z)
• Robust Budget Pacing with a Single Sample [9.826939499674676]
  ほぼ最適の$tilde O(sqrtT)$-regretを達成するのに、分布毎に1つのサンプルだけで十分であることを示す。 ほぼ最適の$tilde O(sqrtT)$-regretを達成するのに、分布毎に1つのサンプルだけで十分であることを示す。
  論文  参考訳（メタデータ） (2023-02-03T21:23:09Z)
• A Reinforcement Learning Approach in Multi-Phase Second-Price Auction Design [158.0041488194202]
  多相第2価格オークションにおけるリザーブ価格の最適化について検討する。 売り手の視点からは、潜在的に非現実的な入札者の存在下で、環境を効率的に探索する必要がある。 第三に、売り手のステップごとの収益は未知であり、非線形であり、環境から直接観察することさえできない。
  論文  参考訳（メタデータ） (2022-10-19T03:49:05Z)
• An Analysis of Selection Bias Issue for Online Advertising [0.30458514384586394]
  オークションシステムに存在する選択バイアス問題を示す。 我々は,選別バイアスが競売の真偽を損なうことを分析した。 実験の結果,すべての広告のデータを学習するマルチタスク学習を用いることで,選択バイアスが大幅に低減されることがわかった。
  論文  参考訳（メタデータ） (2022-06-07T12:29:40Z)
• Optimal Keywords Grouping in Sponsored Search Advertising under Uncertain Environments [0.0]
  本稿では,キーワードグループ化のためのプログラミングモデルを提案する。 クリックスルーレートと変換レートをランダム変数として取ります。 このモデルを解くために分岐結合アルゴリズムを開発した。
  論文  参考訳（メタデータ） (2022-03-04T08:54:50Z)
• A novel auction system for selecting advertisements in Real-Time bidding [68.8204255655161]
  リアルタイム入札(Real-Time Bidding)は、インターネット広告システムで、近年非常に人気を集めている。 本稿では、経済的な側面だけでなく、広告システムの機能にかかわる他の要因も考慮した、新たなアプローチによる代替ベッティングシステムを提案する。
  論文  参考訳（メタデータ） (2020-10-22T18:36:41Z)
• An Empirical Study of In-App Advertising Issues Based on Large Scale App Review Analysis [67.58267006314415]
  われわれは,App StoreとGoogle Playの広告関連ユーザフィードバックに関する大規模分析を行った。 広告関連レビュー36,309件の統計分析から,利用者は使用中のユニーク広告数や広告表示頻度を最も気にしていることがわかった。 いくつかの広告イシュータイプは、他の広告イシューよりも開発者によって迅速に対処される。
  論文  参考訳（メタデータ） (2020-08-22T05:38:24Z)
• Online Joint Bid/Daily Budget Optimization of Internet Advertising Campaigns [115.96295568115251]
  複数のチャンネルにまたがるペイ・パー・クリック広告キャンペーンのオンライン共同入札/日次予算最適化の自動化問題について検討する。 どのキャンペーンでも、Gaussian Processesによる入札のクリック数と日々の予算に依存しています。 我々は4つのアルゴリズムを設計し、O(sqrtT)として高い確率で上界した後悔に苦しむことを示す。 我々は,1年以上に1日平均1000ユーロを消費した実世界のアプリケーションにおいて,我々のアルゴリズムの採用結果を提示する。
  論文  参考訳（メタデータ） (2020-03-03T11:07:38Z)
• Adversarial Attacks on Linear Contextual Bandits [87.08004581867537]
  悪意のあるエージェントは、望ましい行動を実行するためにバンディットアルゴリズムを攻撃するインセンティブを持つ可能性がある。 悪意のあるエージェントは、線形コンテキストのバンドイットアルゴリズムに任意のアーム$T - o(T)$倍を$T$ステップで引き出すように強制することができる。 また,悪意のあるエージェントが単一コンテキストにおける帯域幅アルゴリズムの動作に影響を与えることに関心がある場合についても検討する。
  論文  参考訳（メタデータ） (2020-02-10T15:04:09Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。