論文の概要: EdgeNet : Encoder-decoder generative Network for Auction Design in
E-commerce Online Advertising
- arxiv url: http://arxiv.org/abs/2305.06158v1
- Date: Tue, 9 May 2023 09:14:28 GMT
- ステータス: 処理完了
- システム内更新日: 2023-05-11 12:52:39.225294
- Title: EdgeNet : Encoder-decoder generative Network for Auction Design in
E-commerce Online Advertising
- Title（参考訳）: EdgeNet : Eコマースオンライン広告におけるオークションデザインのためのエンコーダデコーダ生成ネットワーク
- Authors: Guangyuan Shen, Shengjie Sun, Dehong Gao, Libin Yang, Yongping Shi and
Wei Ning
- Abstract要約: We present a new encoder-decoder generative network called EdgeNet。
オンラインeコマース広告において,データ駆動型オークションデザインのための新しいエンコーダデコーダフレームワークを導入する。
幅広いeコマース広告オークションにおけるEdgeNetの効率性を検証する。
- 参考スコア（独自算出の注目度）: 3.613502407060581
- License: http://creativecommons.org/licenses/by-nc-sa/4.0/
- Abstract: We present a new encoder-decoder generative network dubbed EdgeNet, which
introduces a novel encoder-decoder framework for data-driven auction design in
online e-commerce advertising. We break the neural auction paradigm of
Generalized-Second-Price(GSP), and improve the utilization efficiency of data
while ensuring the economic characteristics of the auction mechanism.
Specifically, EdgeNet introduces a transformer-based encoder to better capture
the mutual influence among different candidate advertisements. In contrast to
GSP based neural auction model, we design an autoregressive decoder to better
utilize the rich context information in online advertising auctions. EdgeNet is
conceptually simple and easy to extend to the existing end-to-end neural
auction framework. We validate the efficiency of EdgeNet on a wide range of
e-commercial advertising auction, demonstrating its potential in improving user
experience and platform revenue.
- Abstract（参考訳）: 本稿では,オンライン電子商取引広告におけるデータ駆動オークションデザインのための新しいエンコーダ・デコーダフレームワークであるedgenetを提案する。
gsp(generalized-second-price)のニューラルオークションパラダイムを破って,オークション機構の経済特性を確保しつつ,データの活用効率を向上させる。
具体的には、EdgeNetはトランスフォーマーベースのエンコーダを導入し、異なる候補広告間の相互の影響をよりよく捉える。
GSPベースのニューラルオークションモデルとは対照的に、オンライン広告オークションにおけるリッチなコンテキスト情報を活用するための自己回帰デコーダを設計する。
EdgeNetは概念的にはシンプルで、既存のエンドツーエンドのニューラルオークションフレームワークに拡張しやすい。
幅広いeコマース広告オークションにおけるEdgeNetの効率性を検証し、ユーザエクスペリエンスとプラットフォーム収益を改善する可能性を示す。
関連論文リスト
- LinkSAGE: Optimizing Job Matching Using Graph Neural Networks [12.088731514483104]
本稿では、グラフニューラルネットワーク(GNN)を大規模パーソナライズされたジョブマッチングシステムに統合する革新的なフレームワークであるLinkSAGEを紹介する。
当社のアプローチは、数十億のノードとエッジを持つ、業界最大の、そして最も複雑な、新しい求人市場グラフに乗じています。
LinkSAGEの重要なイノベーションは、そのトレーニングと提供の方法論である。これは、不均一で進化するグラフ上の帰納的グラフ学習とエンコーダ-デコーダGNNモデルとを効果的に組み合わせている。
論文 参考訳（メタデータ） (2024-02-20T23:49:25Z) - Semantic Information Marketing in The Metaverse: A Learning-Based
Contract Theory Framework [68.8725783112254]
仮想サービスプロバイダ(VSP)によるインセンティブのメカニズム設計の問題に対処し,センサデータ販売にIoTデバイスを採用。
帯域幅が限られているため,センサIoTデバイスによる配信データを削減するためにセマンティック抽出アルゴリズムを提案する。
本稿では,新しい反復型契約設計を提案し,マルチエージェント強化学習(MARL)の新たな変種を用いて,モデル付き多次元契約問題の解法を提案する。
論文 参考訳（メタデータ） (2023-02-22T15:52:37Z) - Semantic Communication Enabling Robust Edge Intelligence for
Time-Critical IoT Applications [87.05763097471487]
本稿では、時間クリティカルなIoTアプリケーションのためのセマンティック通信を用いて、堅牢なエッジインテリジェンスを設計することを目的とする。
本稿では,画像DCT係数が推定精度に与える影響を解析し,オフロードのためのチャネル非依存の有効性符号化を提案する。
論文 参考訳（メタデータ） (2022-11-24T20:13:17Z) - A Scalable Graph Neural Network Decoder for Short Block Codes [49.25571364253986]
エッジ重み付きグラフニューラルネットワーク(EW-GNN)に基づく短絡符号の復号化アルゴリズムを提案する。
EW-GNNデコーダは、繰り返しメッセージパッシング構造を持つタナーグラフで動作する。
EW-GNNデコーダは,復号誤り率の観点から,BP法および深層学習に基づくBP法より優れていることを示す。
論文 参考訳（メタデータ） (2022-11-13T17:13:12Z) - 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) - EffCNet: An Efficient CondenseNet for Image Classification on NXP
BlueBox [0.0]
エッジデバイスは、安価なハードウェアと限られた冷却と計算資源のために、限られた処理能力を提供する。
我々はエッジデバイスのためのEffCNetと呼ばれる新しいディープ畳み込みニューラルネットワークアーキテクチャを提案する。
論文 参考訳（メタデータ） (2021-11-28T21:32:31Z) - 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) - 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) - High-Capacity Expert Binary Networks [56.87581500474093]
ネットワークバイナライゼーションは、効率的なディープモデルを作成するための、ハードウェア対応の有望な方向性である。
メモリと計算上の優位性にもかかわらず、バイナリモデルとその実数値モデルの間の精度のギャップを縮めることは、未解決の課題である。
本稿では,入力特徴に基づく時間に1つのデータ固有のエキスパートバイナリフィルタを選択することを学習することで,初めてバイナリネットワークに条件付きコンピューティングを適合させる専門家バイナリ畳み込みを提案する。
論文 参考訳（メタデータ） (2020-10-07T17:58:10Z) - Incentive Mechanism Design for Resource Sharing in Collaborative Edge
Learning [106.51930957941433]
5GとBeyondネットワークでは、人工知能のアプリケーションがますます普及すると予想されている。
これは、現在のクラウド中心のモデルトレーニングアプローチから、エッジラーニングとして知られるエッジコンピューティングベースの協調学習スキームへのパラダイムシフトを必要とする。
論文 参考訳（メタデータ） (2020-05-31T12:45:06Z) - EdgeNets:Edge Varying Graph Neural Networks [179.99395949679547]
本稿では、EdgeNetの概念を通じて、最先端グラフニューラルネットワーク(GNN)を統一する一般的なフレームワークを提案する。
EdgeNetはGNNアーキテクチャであり、異なるノードが異なるパラメータを使って異なる隣人の情報を測定することができる。
これは、ノードが実行でき、既存のグラフ畳み込みニューラルネットワーク(GCNN)とグラフアテンションネットワーク(GAT)の1つの定式化の下で包含できる一般的な線形で局所的な操作である。
論文 参考訳（メタデータ） (2020-01-21T15:51:17Z)
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。