論文の概要: Optimizing Multiple Performance Metrics with Deep GSP Auctions for
E-commerce Advertising
- arxiv url: http://arxiv.org/abs/2012.02930v2
- Date: Fri, 8 Jan 2021 08:27:49 GMT
- ステータス: 処理完了
- システム内更新日: 2021-05-22 11:58:17.395055
- Title: Optimizing Multiple Performance Metrics with Deep GSP Auctions for
E-commerce Advertising
- Title（参考訳）: eコマース広告のためのディープgspオークションによるマルチパフォーマンス指標の最適化
- Authors: Zhilin Zhang, Xiangyu Liu, Zhenzhe Zheng, Chenrui Zhang, Miao Xu,
Junwei Pan, Chuan Yu, Fan Wu, Jian Xu and Kun Gai
- Abstract要約: eコマース広告では、広告プラットフォームは通常、ユーザーエクスペリエンス、広告主ユーティリティ、プラットフォーム収益など、さまざまなパフォーマンス指標を最適化するためのオークションメカニズムに依存している。
本稿では,Deep GSPオークション(Deep GSP auction)と呼ばれる新しいメカニズムを提案する。
- 参考スコア（独自算出の注目度）: 28.343122250701498
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: In e-commerce advertising, the ad platform usually relies on auction
mechanisms to optimize different performance metrics, such as user experience,
advertiser utility, and platform revenue. However, most of the state-of-the-art
auction mechanisms only focus on optimizing a single performance metric, e.g.,
either social welfare or revenue, and are not suitable for e-commerce
advertising with various, dynamic, difficult to estimate, and even conflicting
performance metrics. In this paper, we propose a new mechanism called Deep GSP
auction, which leverages deep learning to design new rank score functions
within the celebrated GSP auction framework. These new rank score functions are
implemented via deep neural network models under the constraints of monotone
allocation and smooth transition. The requirement of monotone allocation
ensures Deep GSP auction nice game theoretical properties, while the
requirement of smooth transition guarantees the advertiser utilities would not
fluctuate too much when the auction mechanism switches among candidate
mechanisms to achieve different optimization objectives. We deployed the
proposed mechanisms in a leading e-commerce ad platform and conducted
comprehensive experimental evaluations with both offline simulations and online
A/B tests. The results demonstrated the effectiveness of the Deep GSP auction
compared to the state-of-the-art auction mechanisms.
- Abstract（参考訳）: eコマース広告では、広告プラットフォームは通常、ユーザエクスペリエンス、広告主ユーティリティ、プラットフォーム収益など、さまざまなパフォーマンス指標を最適化するためのオークションメカニズムに依存している。
しかし、最先端のオークション機構のほとんどは、社会福祉または収益などの単一のパフォーマンス指標の最適化にのみ焦点をあてており、様々な、動的で見積もりが難しい、さらには競合するパフォーマンス指標を持つEコマース広告には適していない。
本稿では,深層学習を活用して,gspオークションフレームワーク内で新たなランクスコア関数を設計する,深層gspオークションと呼ばれる新しいメカニズムを提案する。
これらの新しいランクスコア関数は、モノトーン割り当てと滑らかな遷移の制約の下でディープニューラルネットワークモデルを介して実装される。
モノトーン割り当ての要件は、gspオークションの優れた理論特性を保証する一方で、スムーズな移行の要件は、競売機構が候補機構間で切り替えて異なる最適化目標を達成する場合、広告主ユーティリティが余り変動しないことを保証する。
提案手法を電子商取引広告プラットフォームに導入し,オフラインシミュレーションとオンラインa/bテストの両方を用いて総合実験を行った。
その結果,Deep GSPオークションの有効性が,最先端のオークションメカニズムと比較された。
関連論文リスト
- Procurement Auctions via Approximately Optimal Submodular Optimization [53.93943270902349]
競売業者がプライベートコストで戦略的売り手からサービスを取得しようとする競売について検討する。
我々の目標は、取得したサービスの品質と販売者の総コストとの差を最大化する計算効率の良いオークションを設計することである。
論文 参考訳（メタデータ） (2024-11-20T18:06:55Z) - Multi-attribute Auction-based Resource Allocation for Twins Migration in Vehicular Metaverses: A GPT-based DRL Approach [85.65587846913793]
車両メタバース(Vehicular Metaverses)は、近代自動車産業を強化するために開発され、コネクテッドカー間の没入的で安全な体験を提供する。
本稿では,VTsマイグレーション時の資源配分を最適化する属性対応オークション方式を提案する。
我々は、生成事前学習型変換器(GPT)に基づく深部強化学習(DRL)アルゴリズムを用いて、DDAオークション器を訓練し、オークションクロックを効率的に調整する。
論文 参考訳（メタデータ） (2024-06-08T09:41:38Z) - NMA: Neural Multi-slot Auctions with Externalities for Online
Advertising [19.613777564235555]
本稿では,ニューラルマルチスロットオークション (NMA) という新しいオークション機構を提案する。
NMAは、既存のオークションメカニズムよりもバランスの取れた社会福祉で高い収入を得る。
NMAをMeituanのフードデリバリープラットフォームに導入することに成功しました。
論文 参考訳（メタデータ） (2022-05-20T08:21:59Z) - A Real-World Implementation of Unbiased Lift-based Bidding System [8.35120274877627]
典型的なデマンド・サイド・プラットフォーム(DSP)は、広告インプレッションの直後にクリックおよび変換の予測確率に基づいてバイドする。
近年の研究では、このような戦略が最適以下であるとされ、リフトベースの入札というより優れた入札戦略が提案されている。
リフトベースの入札は、単に広告インプレッションの上昇効果に応じて価格を入札し、販売などのターゲット指標を達成する。
論文 参考訳（メタデータ） (2022-02-23T01:15:54Z) - A Cooperative-Competitive Multi-Agent Framework for Auto-bidding in
Online Advertising [53.636153252400945]
本稿では,自動入札のための総合的マルチエージェント強化学習フレームワーク,すなわちMAABを提案し,自動入札戦略を学習する。
当社のアプローチは、社会的福祉の観点から、いくつかの基準的手法を上回り、広告プラットフォームの収益を保証します。
論文 参考訳（メタデータ） (2021-06-11T08:07:14Z) - Neural Auction: End-to-End Learning of Auction Mechanisms for E-Commerce
Advertising [42.7415188090209]
我々は,オークションからコンテキストを効率的に抽出する深層モデルを開発し,オークションデザインのための豊富な特徴を提供する。
タオバオのEコマース広告システムにDNAが配備されている。
論文 参考訳（メタデータ） (2021-06-07T13:20:40Z) - 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) - Bid Shading in The Brave New World of First-Price Auctions [10.437496902575784]
バイドシェーディング(Bid shading)は、オークションシステムにおける過払いを防ぐ技術として知られている。
本稿では,非検閲オンライン第一価格広告オークションにおける最適入札シェーディングをモデル化する機械学習手法を提案する。
論文 参考訳（メタデータ） (2020-09-02T21:48:21Z) - MoTiAC: Multi-Objective Actor-Critics for Real-Time Bidding [47.555870679348416]
そこで本研究では,MoTiACというマルチエクティブ・アクタ・クリティカルスアルゴリズムを提案する。
従来のRLモデルとは異なり、提案されたMoTiACは複雑な入札環境で同時に多目的タスクを達成できる。
論文 参考訳（メタデータ） (2020-02-18T07:16:39Z)
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。