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
- Understanding Iterative Combinatorial Auction Designs via Multi-Agent
Reinforcement Learning [11.703736059916723]
反復オークションにおいて,マルチエージェント強化学習(MARL)アルゴリズムが有効かどうかを検討する。
MARLは本当にオークション分析の恩恵を受けることができるが、効果的にデプロイすることは簡単ではない。
クロックオークションにおける特定のルール変更を評価するために,提案手法を用いた提案手法の有効性について述べる。
論文 参考訳(メタデータ) (2024-02-29T18:16:13Z) - Exploiting Modality-Specific Features For Multi-Modal Manipulation
Detection And Grounding [54.49214267905562]
マルチモーダルな操作検出とグラウンド処理のためのトランスフォーマーベースのフレームワークを構築する。
本フレームワークは,マルチモーダルアライメントの能力を維持しながら,モダリティ特有の特徴を同時に探求する。
本稿では,グローバルな文脈的キューを各モーダル内に適応的に集約する暗黙的操作クエリ(IMQ)を提案する。
論文 参考訳(メタデータ) (2023-09-22T06:55:41Z) - 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) - A Context-Integrated Transformer-Based Neural Network for Auction Design [25.763612577196124]
オークションデザインにおける中心的な問題の1つは、競売人の予想収益を最大化するインセンティブに適合するメカニズムを開発することである。
最適なオークション設計のためのコンテクスト積分変換器ベースニューラルネットワークである$mathtCITransNet$を提案する。
我々は、$mathttCITransNet$が、シングルイット設定で既知の最適解を回復し、マルチイットオークションで強いベースラインを上回り、トレーニング中以外のケースによく当てはまることを示す。
論文 参考訳(メタデータ) (2022-01-29T03:47:00Z) - 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) - Certifying Strategyproof Auction Networks [53.37051312298459]
我々は、任意の数のアイテムと参加者でオークションを表現できるRegretNetアーキテクチャに焦点を当てる。
本稿では,ニューラルネットワーク検証文献から得られた手法を用いて,特定の評価プロファイルの下で戦略の安全性を明示的に検証する方法を提案する。
論文 参考訳(メタデータ) (2020-06-15T20:22:48Z) - Auction learning as a two-player game [19.706363403596196]
オークションデザイン(Auction Design)は、固定ユーティリティ機能を備えた2人プレイのゲームである。
期待収益を最大化するインセンティブをデザインすることは、オークションデザインの中心的な問題である。
論文 参考訳(メタデータ) (2020-06-10T06:45:20Z)
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。