論文の概要: NGA: Non-autoregressive Generative Auction with Global Externalities for Advertising Systems

• arxiv url: http://arxiv.org/abs/2506.05685v1
• Date: Fri, 06 Jun 2025 02:25:14 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-06-09 17:28:43.291932
• Title: NGA: Non-autoregressive Generative Auction with Global Externalities for Advertising Systems
• Title（参考訳）: NGA: 広告システムのためのグローバル外部性を備えた非自己回帰生成オークション
• Authors: Zuowu Zheng, Ze Wang, Fan Yang, Wenqing Ye, Weihua Huang, Wenqiang He, Teng Zhang, Xingxing Wang,
• Abstract要約: グローバルな外部性を備えた非自己回帰生成オークション(NGA)について紹介する。 NGAは、隣接する有機物の影響だけでなく、広告間の関係を捉えることで、グローバルな外部性を明示的にモデル化する。 効率をさらに高めるために、NGAは非自己回帰的制約ベースのデコード戦略と、リストワイド報酬と支払い計算の統合のための並列マルチトウワー評価器を利用する。
• 参考スコア（独自算出の注目度）: 18.35133844605955
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Online advertising auctions are fundamental to internet commerce, demanding solutions that not only maximize revenue but also ensure incentive compatibility, high-quality user experience, and real-time efficiency. While recent learning-based auction frameworks have improved context modeling by capturing intra-list dependencies among ads, they remain limited in addressing global externalities and often suffer from inefficiencies caused by sequential processing. In this work, we introduce the Non-autoregressive Generative Auction with global externalities (NGA), a novel end-to-end framework designed for industrial online advertising. NGA explicitly models global externalities by jointly capturing the relationships among ads as well as the effects of adjacent organic content. To further enhance efficiency, NGA utilizes a non-autoregressive, constraint-based decoding strategy and a parallel multi-tower evaluator for unified list-wise reward and payment computation. Extensive offline experiments and large-scale online A/B testing on commercial advertising platforms demonstrate that NGA consistently outperforms existing methods in both effectiveness and efficiency.
• Abstract（参考訳）: オンライン広告オークションはインターネットコマースの基本であり、収益を最大化するだけでなく、インセンティブの互換性、高品質なユーザーエクスペリエンス、リアルタイム効率を確保するソリューションを要求する。 最近の学習ベースのオークションフレームワークは、広告間のリスト内依存関係をキャプチャすることでコンテキストモデリングを改善しているが、グローバルな外部性への対応には制限があり、シーケンシャルな処理によって引き起こされる非効率に悩まされることが多い。 本研究では,産業用オンライン広告のための新しいエンドツーエンドフレームワークであるNGA(Non-autoregressive Generative Auction)を紹介する。 NGAは、隣接する有機物の影響だけでなく、広告間の関係を共同で捉えることで、グローバルな外部性を明示的にモデル化する。 効率をさらに高めるために、NGAは非自己回帰的制約ベースのデコード戦略と、リストワイド報酬と支払い計算の統合のための並列マルチトウワー評価器を利用する。 大規模なオフライン実験と商用広告プラットフォーム上での大規模オンラインA/Bテストは、NGAが既存の方法よりも有効性と効率性が一貫して優れていることを示している。

関連論文リスト

• EGA-V2: An End-to-end Generative Framework for Industrial Advertising [19.927005856735445]
  EGA-V2(End-to-End Generative Advertising)は、ユーザ興味、POI(point-of-interest)、クリエイティブジェネレーション、広告アロケーション、支払い最適化を体系的にモデル化する最初の統合フレームワークである。 当社の結果は、次世代産業広告システムへの道を開く、完全生成型広告ソリューションのパイオニアとしての可能性を浮き彫りにしている。
  論文  参考訳（メタデータ） (2025-05-23T06:55:02Z)
• 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)
• Vertical Semi-Federated Learning for Efficient Online Advertising [50.18284051956359]
  VFLの実践的な産業的応用を実現するために,Semi-VFL (Vertical Semi-Federated Learning) を提案する。 サンプル空間全体に適用可能な推論効率のよいシングルパーティ学生モデルを構築した。 新しい表現蒸留法は、重なり合うデータと非重なり合うデータの両方について、パーティ間の特徴相関を抽出するように設計されている。
  論文  参考訳（メタデータ） (2022-09-30T17:59:27Z)
• 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)
• 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 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)
• 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。