論文の概要: EGA: A Unified End-to-End Generative Framework for Industrial Advertising Systems
- arxiv url: http://arxiv.org/abs/2505.17549v1
- Date: Fri, 23 May 2025 06:55:02 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-05-26 18:08:33.881208
- Title: EGA: A Unified End-to-End Generative Framework for Industrial Advertising Systems
- Title（参考訳）: EGA: 産業広告システムのための統一型エンドツーエンド生成フレームワーク
- Authors: Zuowu Zheng, Ze Wang, Fan Yang, Jiangke Fan, Teng Zhang, Xingxing Wang,
- Abstract要約: 本稿では,ユーザ関心モデリング,POI,創造的生成,位置割り当て,支払最適化をシームレスに統合する初の統一型生成フレームワークであるエンド・ツー・エンド生成広告(EGA)を提案する。
EGAは階層的トークン化とマルチトークン予測を利用して、候補POIと創造的コンテンツを共同で生成する一方、置換対応報酬モデルとトークンレベルの入札戦略は、ユーザエクスペリエンスと広告主ビジネスの目的の両方と整合性を確保する。
- 参考スコア（独自算出の注目度）: 20.10161044083558
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Online industrial advertising system is fundamentally constrained by the inefficiency of multi-stage cascaded architectures, which filter out high-potential candidates early and fragment business decision logic across independent modules. Although recent advances in generative recommendation offer end-to-end solutions, they fall short of practical advertising requirements, lacking explicit modeling of bidding, creative selection, allocation mechanism, and payment computation that are essential for real-world deployment. To overcome these limitations, we propose End-to-end Generative Advertising (EGA), a first unified generative framework that seamlessly integrates user interests modeling, POI and creative generation, position allocation, and payment optimization within a single model. EGA leverages hierarchical tokenization and multi-token prediction to jointly generate candidate POI and creative contents, while a permutation-aware reward model and token-level bidding strategy ensure alignment with both user experiences and advertiser business objectives. Meanwhile, we decouple allocation from payment via a dedicated POI-level payment network with differentiable ex-post regret minimization, guaranteeing incentive compatibility approximately. Extensive offline and large-scale online experiments on real-world advertising systems demonstrate its effectiveness and practical advantages over traditional cascading architectures, highlighting its potential as one of the industry's pioneering end-to-end generative advertising solutions.
- Abstract（参考訳）: オンライン産業広告システムは、多段階のカスケードアーキテクチャの非効率性によって根本的に制約されている。
ジェネレーティブレコメンデーションの最近の進歩はエンドツーエンドのソリューションを提供しているが、実際の広告要件には欠けており、入札、創造的選択、アロケーション機構、そして実際の展開に不可欠な支払い計算の明確なモデリングが欠如している。
これらの制約を克服するために,ユーザ興味モデリング,POI,創造的生成,位置割り当て,支払最適化をシームレスに統合する最初の統合生成フレームワークであるEnd-to-end Generative Advertising (EGA)を提案する。
EGAは階層的トークン化とマルチトークン予測を活用して、候補POIと創造的コンテンツを共同で生成する一方、置換対応報酬モデルとトークンレベルの入札戦略は、ユーザエクスペリエンスと広告主ビジネスの目的の両方と整合性を確保する。
一方、我々は、個別のPOIレベルの支払いネットワークを通じて支払いの割り当てを分離し、過去の後悔を最小限に抑え、インセンティブの互換性をほぼ保証する。
現実世界の広告システムに対する大規模なオフラインおよび大規模オンライン実験は、従来のカスケードアーキテクチャよりも効果と実用上の優位性を示し、業界で先駆的なエンドツーエンドの広告ソリューションの1つとしての可能性を強調している。
関連論文リスト
- Nash Equilibrium Constrained Auto-bidding With Bi-level Reinforcement Learning [64.2367385090879]
本稿では,プラットフォームの観点から,自動入札問題の新たな定式化を提案する。
これは、$epsilon$-NE制約の下ですべての広告主の社会的福祉を最大化することを目的としている。
NCB問題は、その制約された二段階構造と、典型的には多くの広告主が関与しているため、重大な課題を提起している。
論文 参考訳（メタデータ） (2025-03-13T12:25:36Z) - End-to-End Cost-Effective Incentive Recommendation under Budget Constraint with Uplift Modeling [12.160403526724476]
本稿では,予算制約下でのエンド・ツー・エンド・エンド・コスト・エフェクティブ・インセンティブ・レコメンデーション(E3IR)モデルを提案する。
具体的には、アップリフト予測モジュールと微分可能なアロケーションモジュールの2つのモジュールから構成される。
E3IRは既存の2段階アプローチに比べてアロケーション性能が向上する。
論文 参考訳（メタデータ） (2024-08-21T13:48:00Z) - Parallel Ranking of Ads and Creatives in Real-Time Advertising Systems [20.78133992969317]
広告とクリエイティビティランキングのオンライン並列推定のための新しいアーキテクチャを初めて提案する。
オンラインアーキテクチャは、全体的なレイテンシを低減しつつ、洗練されたパーソナライズされたクリエイティブモデリングを可能にする。
CTR推定のためのオフラインジョイントモデルは、広告とクリエイティブの相互認識と協調最適化を可能にする。
論文 参考訳（メタデータ） (2023-12-20T04:05:21Z) - Online Advertisements with LLMs: Opportunities and Challenges [51.96140910798771]
本稿では,オンライン広告システムにおけるLarge Language Models(LLM)の活用の可能性について検討する。
提案手法は,LLM広告の修正,入札,予測,オークションモジュールから構成される。
論文 参考訳（メタデータ） (2023-11-11T02:13:32Z) - 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) - Bidding Agent Design in the LinkedIn Ad Marketplace [16.815498720115443]
オンラインマーケットプレースにおける自動入札エージェントの設計のための汎用最適化フレームワークを構築した。
結果として、フレームワークは、例えば、複数のプラットフォームにまたがる広告グループの共同最適化を可能にし、それぞれが独自のオークションフォーマットを実行している。
このフレームワークに基づいたLinkedInの広告マーケットプレースで、デプロイされた入札システムの実践的な学習を共有します。
論文 参考訳（メタデータ） (2022-02-25T03:01:57Z) - 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) - Multi-Agent Cooperative Bidding Games for Multi-Objective Optimization
in e-Commercial Sponsored Search [26.117969395228503]
我々は,Multi-Agent Cooperative bidding Games (MACG) と呼ばれる新しい多目的協調入札最適化法を提案する。
すべての広告の全体的な利益を最大化するためのグローバルな目的が、より良い協力を奨励し、またセルフ入札の広告主を保護するために追加される。
タオバオプラットフォーム上でのオフライン実験とオンラインA/Bテストは、単一広告主の目標とグローバル利益の両方が大幅に改善されたことを示している。
論文 参考訳（メタデータ） (2021-06-08T03:18:28Z) - 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)
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。