論文の概要: Search and Score-Based Waterfall Auction Optimization

• arxiv url: http://arxiv.org/abs/2201.06409v1
• Date: Mon, 17 Jan 2022 13:59:12 GMT
• ステータス: 処理完了
• システム内更新日: 2022-01-20 10:26:28.254924
• Title: Search and Score-Based Waterfall Auction Optimization
• Title（参考訳）: 検索とスコアに基づくウォーターフォールオークション最適化
• Authors: Dan Halbersberg, Matan Halevi, Moshe Salhov
• Abstract要約: 可能なウォーターフォールの空間を賢明に検索し、最高の収入につながるウォーターフォールを選択することで、歴史的なデータからウォーターフォール戦略を学ぶ。 私たちのフレームワークは、局所的な最適化に収束するまでのイテレーション間のウォーターフォール収益が向上することを保証します。
• 参考スコア（独自算出の注目度）: 0.7734726150561088
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Online advertising is a major source of income for many online companies. One common approach is to sell online advertisements via waterfall auctions, where a publisher makes sequential price offers to ad networks. The publisher controls the order and prices of the waterfall and by that aims to maximize his revenue. In this work, we propose a methodology to learn a waterfall strategy from historical data by wisely searching in the space of possible waterfalls and selecting the one leading to the highest revenue. The contribution of this work is twofold; First, we propose a novel method to estimate the valuation distribution of each user with respect to each ad network. Second, we utilize the valuation matrix to score our candidate waterfalls as part of a procedure that iteratively searches in local neighborhoods. Our framework guarantees that the waterfall revenue improves between iterations until converging to a local optimum. Real-world demonstrations are provided to show that the proposed method improves the total revenue of real-world waterfalls compared to manual expert optimization. Finally, the code and the data are available here.
• Abstract（参考訳）: オンライン広告は多くのオンライン企業にとって主要な収入源である。 一般的なアプローチのひとつとして、ウォーターフォールオークションを通じてオンライン広告を販売する方法がある。 出版社は滝の注文と価格を管理し、収入を最大化することを目的としている。 本研究では,可能なウォーターフォールの空間を賢く探索し,最高収益につながるものを選択することにより,歴史的データからウォーターフォール戦略を学ぶ手法を提案する。 まず,各ユーザの広告ネットワークに対する評価分布を推定する新しい手法を提案する。 第2に, 局所的に反復的に探索する手法の一環として, 評価行列を用いて, 候補となる滝を評価する。 私たちのフレームワークは、局所的な最適化に収束するまでのイテレーション間のウォーターフォール収益が向上することを保証します。 提案手法は,手動による専門家の最適化と比較して,実世界の滝の総収入を改善することを示す。 最後に、コードとデータはここで入手できる。

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)
• Fair Allocation in Dynamic Mechanism Design [57.66441610380448]
  競売業者が各ラウンドの買い手グループに、合計で$T$で分けない商品を販売している問題を考える。 競売人は、各グループの最低平均配分を保証する公正な制約に固執しつつ、割引された全体の収益を最大化することを目的としている。
  論文  参考訳（メタデータ） (2024-05-31T19:26:05Z)
• Coordinated Dynamic Bidding in Repeated Second-Price Auctions with Budgets [17.937079224726073]
  予算を伴う第2価格の繰り返しオークションにおける協調オンライン入札アルゴリズムについて検討した。 我々は、すべてのクライアントに対して、独立入札で得られる最高のものよりも高いユーティリティを保証するアルゴリズムを提案する。
  論文  参考訳（メタデータ） (2023-06-13T11:55:04Z)
• Incentive-Aware Recommender Systems in Two-Sided Markets [49.692453629365204]
  最適性能を達成しつつエージェントのインセンティブと整合する新しいレコメンデータシステムを提案する。 我々のフレームワークは、このインセンティブを意識したシステムを、両側市場におけるマルチエージェントバンディット問題としてモデル化する。 どちらのアルゴリズムも、エージェントが過剰な露出から保護する、ポストフェアネス基準を満たす。
  論文  参考訳（メタデータ） (2022-11-23T22:20:12Z)
• On Second-order Optimization Methods for Federated Learning [59.787198516188425]
  フェデレート学習環境における局所的なステップを持つ2階分散手法の性能評価を行った。 本稿では,更新のための2階ローカル情報とグローバルライン検索を用いて,結果の局所的特異性に対処する新たな変種を提案する。
  論文  参考訳（メタデータ） (2021-09-06T12:04:08Z)
• 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)
• Optimizing AD Pruning of Sponsored Search with Reinforcement Learning [14.583308909225552]
  産業支援検索システム(SSS)は,キーワードマッチング,広告検索,ランキングの3つのモジュールに論理的に分割することができる。 システム収益を最大化するために、$N$候補から最高の$K$アイテムをどうやって取り出すか、という問題に対処します。 本稿では,この問題を解決するためのモデルなし強化学習手法を提案する。
  論文  参考訳（メタデータ） (2020-08-05T09:19:10Z)
• Dynamic Knapsack Optimization Towards Efficient Multi-Channel Sequential Advertising [52.3825928886714]
  我々は、動的knapsack問題として、シーケンシャルな広告戦略最適化を定式化する。 理論的に保証された二段階最適化フレームワークを提案し、元の最適化空間の解空間を大幅に削減する。 強化学習の探索効率を向上させるため,効果的な行動空間削減手法も考案した。
  論文  参考訳（メタデータ） (2020-06-29T18:50:35Z)
• Reserve Price Optimization for First Price Auctions [14.18752189817994]
  本研究では, 入札者のリザーブ・ショックに対する応答性の推定値に基づいて, リザーブ・プライスを適応的に更新し, 最適化する勾配に基づくアルゴリズムを提案する。 第一価格オークションにおける収益は、オンデマンドコンポーネントとエンフビジンコンポーネントに分解することができ、各コンポーネントのばらつきを低減する技術を導入することができる。
  論文  参考訳（メタデータ） (2020-06-11T15:35:19Z)

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。