論文の概要: Neural Auction: End-to-End Learning of Auction Mechanisms for E-Commerce Advertising

• arxiv url: http://arxiv.org/abs/2106.03593v1
• Date: Mon, 7 Jun 2021 13:20:40 GMT
• ステータス: 処理完了
• システム内更新日: 2021-06-08 18:25:43.707736
• Title: Neural Auction: End-to-End Learning of Auction Mechanisms for E-Commerce Advertising
• Title（参考訳）: neural auction:eコマース広告におけるオークションメカニズムのエンドツーエンド学習
• Authors: Xiangyu Liu, Chuan Yu, Zhilin Zhang, Zhenzhe Zheng, Yu Rong, Hongtao Lv, Da Huo, Yiqing Wang, Dagui Chen, Jian Xu, Fan Wu, Guihai Chen and Xiaoqiang Zhu
• Abstract要約: 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。
• 参考スコア（独自算出の注目度）: 42.7415188090209
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: In e-commerce advertising, it is crucial to jointly consider various performance metrics, e.g., user experience, advertiser utility, and platform revenue. Traditional auction mechanisms, such as GSP and VCG auctions, can be suboptimal due to their fixed allocation rules to optimize a single performance metric (e.g., revenue or social welfare). Recently, data-driven auctions, learned directly from auction outcomes to optimize multiple performance metrics, have attracted increasing research interests. However, the procedure of auction mechanisms involves various discrete calculation operations, making it challenging to be compatible with continuous optimization pipelines in machine learning. In this paper, we design \underline{D}eep \underline{N}eural \underline{A}uctions (DNAs) to enable end-to-end auction learning by proposing a differentiable model to relax the discrete sorting operation, a key component in auctions. We optimize the performance metrics by developing deep models to efficiently extract contexts from auctions, providing rich features for auction design. We further integrate the game theoretical conditions within the model design, to guarantee the stability of the auctions. DNAs have been successfully deployed in the e-commerce advertising system at Taobao. Experimental evaluation results on both large-scale data set as well as online A/B test demonstrated that DNAs significantly outperformed other mechanisms widely adopted in industry.
• Abstract（参考訳）: eコマース広告では、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共同で検討することが重要である。 gspやvcgオークションのような伝統的なオークションメカニズムは、単一のパフォーマンスメトリック(例えば収入や社会福祉)を最適化するための固定的な割り当てルールのために最適である。 近年、複数のパフォーマンス指標を最適化するためにオークション結果から直接学習したデータ駆動オークションが研究の関心を集めている。 しかしながら、オークション機構の手順には、さまざまな離散的な計算操作が含まれているため、機械学習における連続最適化パイプラインとの互換性が難しい。 本稿では,異なるモデルを提案して,離散的なソート操作を緩和し,エンド・ツー・エンドのオークション学習を可能にするために,<underline{D}eep \underline{N}eural \underline{A}uctions (DNA) を設計する。 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ディープモデルを開発することで,パフォーマンス指標を最適化する。 さらに,ゲーム理論条件をモデル設計の中に統合し,オークションの安定性を保証する。 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。 大規模データセットとオンラインA/Bテストの両方の実験結果から、DNAは産業において広く採用されている他のメカニズムよりも著しく優れていることが示された。

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)
• AIE: Auction Information Enhanced Framework for CTR Prediction in Online Advertising [40.15990482157583]
  オンライン広告におけるCTR予測のためのオークション情報強化フレームワーク(AIE)を提案する。 AIEは、Adaptive Market-price Auxiliary Module (AM2) と Bid Module (BCM) の2つのプラグインモジュールを導入した。 AIEの有効性と互換性を示すために、パブリックデータセットと産業データセットで実験を行う。
  論文  参考訳（メタデータ） (2024-08-15T03:25:56Z)
• 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)
• Automated Deterministic Auction Design with Objective Decomposition [31.918952529696885]
  本稿では,VVCA(Virtual Valuations Combinatorial Auctions)の自動設計のための客観的分解手法であるOD-VVCAを紹介する。 並列化可能な動的プログラミングアルゴリズムを用いて、VVCAの割り当てと収益の効率よく計算する。 次に、収益目標関数を連続的かつ一括的に不連続なコンポーネントに分解し、それぞれを異なる手法で最適化する。
  論文  参考訳（メタデータ） (2024-02-19T07:45:04Z)
• VFed-SSD: Towards Practical Vertical Federated Advertising [53.08038962443853]
  本稿では,2つの制限を緩和する半教師付き分割蒸留フレームワーク VFed-SSD を提案する。 具体的には,垂直分割された未ラベルデータを利用する自己教師型タスクMatchedPair Detection (MPD) を開発する。 当社のフレームワークは,デプロイコストの最小化と大幅なパフォーマンス向上を図った,リアルタイム表示広告のための効率的なフェデレーション強化ソリューションを提供する。
  論文  参考訳（メタデータ） (2022-05-31T17:45:30Z)
• ItemSage: Learning Product Embeddings for Shopping Recommendations at Pinterest [60.841761065439414]
  Pinterestでは、ItemSageと呼ばれるプロダクトの埋め込みセットを構築して、すべてのショッピングユースケースに適切なレコメンデーションを提供しています。 このアプローチによって、エンゲージメントとコンバージョンメトリクスが大幅に改善され、インフラストラクチャとメンテナンスコストの両方が削減された。
  論文  参考訳（メタデータ） (2022-05-24T02:28:58Z)
• 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)
• Optimizing Multiple Performance Metrics with Deep GSP Auctions for E-commerce Advertising [28.343122250701498]
  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。
  論文  参考訳（メタデータ） (2020-12-05T02:51:11Z)
• ProportionNet: Balancing Fairness and Revenue for Auction Design with Deep Learning [55.76903822619047]
  本研究では,強力なインセンティブ保証を備えた収益最大化オークションの設計について検討する。 我々は、高い収益と強力なインセンティブ保証を維持しつつ、公平性の懸念に対処するため、深層学習を用いてオークションを近似する手法を拡張した。
  論文  参考訳（メタデータ） (2020-10-13T13:54:21Z)

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。