論文の概要: AIE: Auction Information Enhanced Framework for CTR Prediction in Online Advertising

• arxiv url: http://arxiv.org/abs/2408.07907v1
• Date: Thu, 15 Aug 2024 03:25:56 GMT
• ステータス: 翻訳完了
• システム内更新日: 2024-11-10 17:51:45.323600
• Title: AIE: Auction Information Enhanced Framework for CTR Prediction in Online Advertising
• Title（参考訳）: AIE: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
• Authors: Yang Yang, Bo Chen, Chenxu Zhu, Menghui Zhu, Xinyi Dai, Huifeng Guo, Muyu Zhang, Zhenhua Dong, Ruiming Tang,
• Abstract要約: 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。
• 参考スコア（独自算出の注目度）: 40.15990482157583
• License:
• Abstract: Click-Through Rate (CTR) prediction is a fundamental technique for online advertising recommendation and the complex online competitive auction process also brings many difficulties to CTR optimization. Recent studies have shown that introducing posterior auction information contributes to the performance of CTR prediction. However, existing work doesn't fully capitalize on the benefits of auction information and overlooks the data bias brought by the auction, leading to biased and suboptimal results. To address these limitations, we propose Auction Information Enhanced Framework (AIE) for CTR prediction in online advertising, which delves into the problem of insufficient utilization of auction signals and first reveals the auction bias. Specifically, AIE introduces two pluggable modules, namely Adaptive Market-price Auxiliary Module (AM2) and Bid Calibration Module (BCM), which work collaboratively to excavate the posterior auction signals better and enhance the performance of CTR prediction. Furthermore, the two proposed modules are lightweight, model-agnostic, and friendly to inference latency. Extensive experiments are conducted on a public dataset and an industrial dataset to demonstrate the effectiveness and compatibility of AIE. Besides, a one-month online A/B test in a large-scale advertising platform shows that AIE improves the base model by 5.76% and 2.44% in terms of eCPM and CTR, respectively.
• Abstract（参考訳）: CTR(Click-Through Rate)予測はオンライン広告レコメンデーションの基本的な手法であり、複雑なオンライン競争オークションプロセスもまたCTR最適化に多くの困難をもたらす。 近年の研究では,後部オークション情報の導入がCTR予測の性能に寄与していることが示されている。 しかし、既存の研究は競売情報の利点を十分に生かしておらず、競売によってもたらされるデータの偏見を見落とし、バイアスと準最適結果をもたらす。 これらの制約に対処するため,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拡張フレームワーク(AIE)を提案する。 具体的には,アダプティブ・マーケット・プライス・補助モジュール (AM2) とバイド・キャリブレーション・モジュール (BCM) の2つのプラグ可能なモジュールを導入する。 さらに、提案された2つのモジュールは軽量で、モデルに依存しず、推論遅延に親しみやすい。 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大規模な実験を行う。 さらに、大規模な広告プラットフォームにおける1ヶ月のオンラインA/Bテストでは、AIEはeCPMとCTRでそれぞれ5.76%、2.44%改善している。

関連論文リスト

• Click-Conversion Multi-Task Model with Position Bias Mitigation for Sponsored Search in eCommerce [51.211924408864355]
  位置認識型クリック変換(PACC)と位置埋め込み(PACC-PE)によるPACCの2つの位置バイアスのない予測モデルを提案する。 Eコマースが支援する製品検索データセットの実験により、提案したモデルではランキングの有効性が向上し、CTRとCVRの予測における位置バイアスを大幅に軽減できることが示された。
  論文  参考訳（メタデータ） (2023-07-29T19:41:16Z)
• Pairwise Ranking Losses of Click-Through Rates Prediction for Welfare Maximization in Ad Auctions [12.67468905841272]
  本稿では,クリックスルーレート(CTR)における損失関数の設計と,広告オークションにおける社会的福祉の最適化について検討する。 そこで本研究では,CTRモデルのトレーニングを行うために,新しい重み付きランクロスを提案する。 合成および実世界のデータにおける損失の利点を実証する。
  論文  参考訳（メタデータ） (2023-06-01T15:42:50Z)
• Decision-Making Context Interaction Network for Click-Through Rate Prediction [13.279762313462513]
  本稿では,意思決定コンテキストを学習するためのDCIN(Decision-Making Context Interaction Network)を提案する。 パブリックデータセットと産業データセットの実験では、DCINは最先端の手法よりも大幅に優れています。 特に、オンラインA/BテストではCTR+2.9%/CPM+2.1%/GMV+1.5%の改善が得られ、Meituan Waimai広告システムの主要なトラフィックとなった。
  論文  参考訳（メタデータ） (2023-01-29T09:48:01Z)
• 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)
• Rethinking Position Bias Modeling with Knowledge Distillation for CTR Prediction [8.414183573280779]
  本研究では,位置バイアスの影響を緩和し,位置情報を活用してCTR予測を改善する知識蒸留フレームワークを提案する。 提案手法は現実世界のオンライン広告システムに展開され、世界最大の電子商取引プラットフォームの1つで主要なトラフィックを提供する。
  論文  参考訳（メタデータ） (2022-04-01T07:58:38Z)
• Mid-flight Forecasting for CPA Lines in Online Advertising [6.766999405722559]
  本稿では,飛行中におけるCPAラインの予測問題について検討する。 提案手法は,様々な性能指標と最適化信号の関係性を生成する。 広告主の支出と効果的なコスト・パー・アクション(eCPA)との関係も特徴である。
  論文  参考訳（メタデータ） (2021-07-15T17:48:15Z)
• 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)
• Dual Attentive Sequential Learning for Cross-Domain Click-Through Rate Prediction [76.98616102965023]
  クロスドメインレコメンダシステムは、コールドスタートとスパシティの問題に対処するための強力な方法である。 本稿では,二元学習機構に基づくクロスドメインシーケンシャルなレコメンデーション手法を提案する。
  論文  参考訳（メタデータ） (2021-06-05T01:21:21Z)

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。