論文の概要: Applying Multi-armed Bandit Algorithms to Computational Advertising

• arxiv url: http://arxiv.org/abs/2011.10919v1
• Date: Sun, 22 Nov 2020 03:23:13 GMT
• ステータス: 処理完了
• システム内更新日: 2022-09-22 12:26:36.251004
• Title: Applying Multi-armed Bandit Algorithms to Computational Advertising
• Title（参考訳）: マルチアームバンディットアルゴリズムの計算広告への応用
• Authors: Kazem Jahanbakhsh
• Abstract要約: 各種オンライン学習アルゴリズムの性能について検討し,Webユーザに対して最も高いコンバージョン率の広告/フェーラを識別・表示する。 本稿では,機械学習における古典的パラダイムであるマルチアーメッド帯域問題として,広告選択問題を定式化する。 本稿は、2011年から2015年までの計算広告分野における我々の発見について紹介する。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Over the last two decades, we have seen extensive industrial research in the area of computational advertising. In this paper, our goal is to study the performance of various online learning algorithms to identify and display the best ads/offers with the highest conversion rates to web users. We formulate our ad-selection problem as a Multi-Armed Bandit problem which is a classical paradigm in Machine Learning. We have been applying machine learning, data mining, probability, and statistics to analyze big data in the ad-tech space and devise efficient ad selection strategies. This article highlights some of our findings in the area of computational advertising from 2011 to 2015.
• Abstract（参考訳）: 過去20年にわたり、計算広告の分野で幅広い産業研究が行われてきた。 本稿では,webユーザに対して最も高いコンバージョン率で最適な広告/オファーを識別・表示するための,各種オンライン学習アルゴリズムの性能について検討する。 我々は、機械学習の古典的なパラダイムであるマルチアームバンディット問題として、広告選択問題を定式化する。 我々は、機械学習、データマイニング、確率、統計を応用して、アドテック分野のビッグデータを分析し、効率的な広告選択戦略を考案してきた。 本稿は、2011年から2015年までの計算広告分野における我々の発見について紹介する。

関連論文リスト

• Primal-Dual Algorithms with Predictions for Online Bounded Allocation and Ad-Auctions Problems [0.0]
  本稿では,オンライン境界割当問題とオンライン広告入札問題に対する機械学習予測を用いたアルゴリズムを提案する。 予測の質に応じて競合性能を達成するアルゴリズムを構築した。
  論文  参考訳（メタデータ） (2024-02-13T13:02:11Z)
• The Efficiency Spectrum of Large Language Models: An Algorithmic Survey [54.19942426544731]
  LLM(Large Language Models)の急速な成長は、様々なドメインを変換する原動力となっている。 本稿では,LLMのエンドツーエンドのアルゴリズム開発に不可欠な多面的効率性について検討する。
  論文  参考訳（メタデータ） (2023-12-01T16:00:25Z)
• Practical Lessons on Optimizing Sponsored Products in eCommerce [6.245623148893172]
  広告システムにおけるスポンサー付製品最適化の問題点として,位置ベースデバイアス,クリック変換マルチタスク学習,および予測クリックスルーレート(pCTR)のキャリブレーションについて検討した。 本稿では,既存の機械学習モデルに構造的変更を加えることなくソリューションを提供する,実践的な機械学習フレームワークを提案する。
  論文  参考訳（メタデータ） (2023-04-05T21:46:20Z)
• Research Trends and Applications of Data Augmentation Algorithms [77.34726150561087]
  我々は,データ拡張アルゴリズムの適用分野,使用するアルゴリズムの種類,重要な研究動向,時間経過に伴う研究の進展,およびデータ拡張文学における研究ギャップを同定する。 我々は、読者がデータ拡張の可能性を理解し、将来の研究方向を特定し、データ拡張研究の中で質問を開くことを期待する。
  論文  参考訳（メタデータ） (2022-07-18T11:38:32Z)
• Learning List-wise Representation in Reinforcement Learning for Ads Allocation with Multiple Auxiliary Tasks [14.9065245548275]
  本稿では,Meituanフードデリバリープラットフォーム上でタスク固有の信号を活用することで,より良い表現を学習するための新しいアルゴリズムを提案する。 具体的には,再構築,予測,コントラスト学習に基づく3種類の補助課題を提案する。
  論文  参考訳（メタデータ） (2022-04-02T15:53:37Z)
• Scaling up Search Engine Audits: Practical Insights for Algorithm Auditing [68.8204255655161]
  異なる地域に数百の仮想エージェントを配置した8つの検索エンジンの実験を行った。 複数のデータ収集にまたがる研究インフラの性能を実証する。 仮想エージェントは,アルゴリズムの性能を長時間にわたって監視するための,有望な場所である,と結論付けている。
  論文  参考訳（メタデータ） (2021-06-10T15:49:58Z)
• Similarity Search for Efficient Active Learning and Search of Rare Concepts [78.5475382904847]
  我々は,現在ラベル付けされている集合の近傍にラベル付けする候補プールを制限することにより,能動的学習と探索法の計算効率を向上する。 提案手法は,従来のグローバルアプローチと同じような平均精度とリコールを実現し,選択の計算コストを最大3桁まで削減し,Webスケールのアクティブラーニングを可能にした。
  論文  参考訳（メタデータ） (2020-06-30T19:46:10Z)
• Bias in Multimodal AI: Testbed for Fair Automatic Recruitment [73.85525896663371]
  異種情報ソースに基づく現在のマルチモーダルアルゴリズムは、データ中の機密要素や内部バイアスによってどのように影響を受けるかを検討する。 我々は、性別や人種の偏りを意識的に評価したマルチモーダルな合成プロファイルを用いて、自動求人アルゴリズムを訓練する。 我々の方法論と結果は、一般により公平なAIベースのツール、特により公平な自動採用システムを生成する方法を示している。
  論文  参考訳（メタデータ） (2020-04-15T15:58:05Z)
• 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)

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。