論文の概要: Decision Making Problems with Funnel Structure: A Multi-Task Learning
Approach with Application to Email Marketing Campaigns
- arxiv url: http://arxiv.org/abs/2010.08048v2
- Date: Mon, 1 Feb 2021 01:32:41 GMT
- ステータス: 処理完了
- システム内更新日: 2022-10-07 03:25:46.924519
- Title: Decision Making Problems with Funnel Structure: A Multi-Task Learning
Approach with Application to Email Marketing Campaigns
- Title（参考訳）: ファネル構造を用いた意思決定問題--メールマーケティングキャンペーンへの応用によるマルチタスク学習アプローチ
- Authors: Ziping Xu, Amirhossein Meisami, Ambuj Tewari
- Abstract要約: 本稿では, ファンネル構造を用いた意思決定問題について検討する。
より深い層からの十分な観測の欠如を緩和するマルチタスク学習アルゴリズムを開発した。
メールマーケティングの大手企業による実世界データに基づくシミュレーション環境と環境の両方の実験から,我々のアルゴリズムは従来の手法よりも大幅に改善されていることがわかった。
- 参考スコア（独自算出の注目度）: 22.367784453259492
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: This paper studies the decision making problem with Funnel Structure. Funnel
structure, a well-known concept in the marketing field, occurs in those systems
where the decision maker interacts with the environment in a layered manner
receiving far fewer observations from deep layers than shallow ones. For
example, in the email marketing campaign application, the layers correspond to
Open, Click and Purchase events. Conversions from Click to Purchase happen very
infrequently because a purchase cannot be made unless the link in an email is
clicked on.
We formulate this challenging decision making problem as a contextual bandit
with funnel structure and develop a multi-task learning algorithm that
mitigates the lack of sufficient observations from deeper layers. We analyze
both the prediction error and the regret of our algorithms. We verify our
theory on prediction errors through a simple simulation. Experiments on both a
simulated environment and an environment based on real-world data from a major
email marketing company show that our algorithms offer significant improvement
over previous methods.
- Abstract（参考訳）: 本稿では,ファンネル構造を用いた意思決定問題について考察する。
マーケティング分野においてよく知られた概念であるファンネル構造は、浅いものよりも深い層からの観測がはるかに少ない層状に、意思決定者が環境と相互作用するシステムにおいて発生する。
例えば、eメールマーケティングキャンペーンアプリケーションでは、レイヤはオープン、クリック、購入のイベントに対応しています。
ClickからPurchaseへの変換は、メールのリンクがクリックされない限り購入はできないため、非常に頻繁に行われる。
我々は,この困難な意思決定問題をファンネル構造を持つコンテキストバンディットとして定式化し,深層層からの十分な観察の欠如を軽減するマルチタスク学習アルゴリズムを開発した。
我々は予測誤差とアルゴリズムの後悔の両方を分析した。
我々は単純なシミュレーションにより予測誤差の理論を検証する。
メールマーケティング企業による実世界データに基づくシミュレーション環境と実環境の両方における実験により,従来の手法に比べてアルゴリズムが大幅に改善することが示された。
関連論文リスト
- Contractual Reinforcement Learning: Pulling Arms with Invisible Hands [68.77645200579181]
本稿では,契約設計によるオンライン学習問題において,利害関係者の経済的利益を整合させる理論的枠組みを提案する。
計画問題に対して、遠目エージェントに対する最適契約を決定するための効率的な動的プログラミングアルゴリズムを設計する。
学習問題に対して,契約の堅牢な設計から探索と搾取のバランスに至るまでの課題を解き放つために,非回帰学習アルゴリズムの汎用設計を導入する。
論文 参考訳（メタデータ） (2024-07-01T16:53:00Z) - Detecting and Triaging Spoofing using Temporal Convolutional Networks [6.24302896438145]
アルゴリズム取引と電子市場は 金融市場の状況を変え続けています
本稿では,市場操作を検出する領域において,様々な問題に容易に対応可能なフレームワークを提案する。
論文 参考訳（メタデータ） (2024-03-20T09:17:12Z) - Learning How to Infer Partial MDPs for In-Context Adaptation and
Exploration [17.27164535440641]
後方サンプリングは有望なアプローチであるが、ベイズ推論と動的プログラミングが必要である。
部分モデルが環境から関連する情報を除外したとしても、良い政策につながることは明らかである。
論文 参考訳（メタデータ） (2023-02-08T18:35:24Z) - When Do Curricula Work in Federated Learning? [56.88941905240137]
カリキュラム学習は非IID性を大幅に軽減する。
クライアント間でデータ配布を多様化すればするほど、学習の恩恵を受けるようになる。
本稿では,クライアントの現実的格差を生かした新しいクライアント選択手法を提案する。
論文 参考訳（メタデータ） (2022-12-24T11:02:35Z) - Active Exploration via Experiment Design in Markov Chains [86.41407938210193]
科学と工学における重要な課題は、未知の量の興味について学ぶために実験を設計することである。
本稿では,最適値に収束したポリシを効率的に選択するアルゴリズムを提案する。
理論分析に加えて,生態モニタリングと薬理学の応用に関する枠組みを概説する。
論文 参考訳（メタデータ） (2022-06-29T00:04:40Z) - RICE: Refining Instance Masks in Cluttered Environments with Graph
Neural Networks [53.15260967235835]
本稿では,インスタンスマスクのグラフベース表現を利用して,そのような手法の出力を改良する新しいフレームワークを提案する。
我々は、セグメンテーションにスマートな摂動をサンプリングできるディープネットワークと、オブジェクト間の関係をエンコード可能なグラフニューラルネットワークを訓練し、セグメンテーションを評価する。
本稿では,本手法によって生成された不確実性推定を用いてマニピュレータを誘導し,乱れたシーンを効率的に理解するアプリケーションについて紹介する。
論文 参考訳（メタデータ） (2021-06-29T20:29:29Z) - Diffusion Approximations for a Class of Sequential Testing Problems [0.0]
私達は市場へ進水するプロダクトの最適の品揃えを選びたいと思う販売人の問題を研究します。
電子商取引における新興の慣行に触発されて、売り手はこれらの嗜好を学習するためにクラウド投票システムを利用することができると仮定する。
論文 参考訳（メタデータ） (2021-02-13T23:21:29Z) - LoCo: Local Contrastive Representation Learning [93.98029899866866]
重なり合うローカルブロックが重なり合うことで、デコーダの深さを効果的に増加させ、上位ブロックが暗黙的に下位ブロックにフィードバックを送ることができることを示す。
このシンプルな設計は、ローカル学習とエンドツーエンドのコントラスト学習アルゴリズムのパフォーマンスギャップを初めて埋める。
論文 参考訳（メタデータ） (2020-08-04T05:41:29Z) - Sequential Transfer in Reinforcement Learning with a Generative Model [48.40219742217783]
本稿では,従来の課題から知識を移譲することで,新たな課題を学習する際のサンプルの複雑さを軽減する方法について述べる。
この種の事前知識を使用することのメリットを明確に示すために,PAC境界のサンプル複雑性を導出する。
簡単なシミュレートされた領域における理論的な発見を実証的に検証する。
論文 参考訳（メタデータ） (2020-07-01T19:53:35Z) - Solving the Order Batching and Sequencing Problem using Deep
Reinforcement Learning [2.4565068569913384]
本稿では,注文数を最小限に抑えるため,倉庫内で注文のバッチ化と選択のタイミングを決定するために,Deep Reinforcement Learning (DRL) アプローチを提案する。
特に、この技術は、注文を個別に(ピック・バイ・オーダー)するか、または、他の注文(ピック・バイ・バッチ)とバッチで選択するか、他の注文をどちらで行うかを判断することを容易にする。
論文 参考訳（メタデータ） (2020-06-16T20:40:41Z) - The Simulator: Understanding Adaptive Sampling in the
Moderate-Confidence Regime [52.38455827779212]
エミュレータと呼ばれる適応サンプリングを解析するための新しい手法を提案する。
適切なログファクタを組み込んだトップk問題の最初のインスタンスベースの下位境界を証明します。
我々の新しい分析は、後者の問題に対するこの種の最初のエミュレータであるベストアームとトップkの識別に、シンプルでほぼ最適であることを示した。
論文 参考訳（メタデータ） (2017-02-16T23:42:02Z)
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。