Fugu-MT 論文翻訳(概要): Budgeted Online Influence Maximization

論文の概要: Budgeted Online Influence Maximization

arxiv url: http://arxiv.org/abs/2604.19672v1
Date: Tue, 21 Apr 2026 16:51:57 GMT
ステータス: 翻訳完了
システム内更新日: 2026-04-22 22:41:49.885414
Title: Budgeted Online Influence Maximization
Title（参考訳）: 予算オンライン影響の最大化
Authors: Pierre Perrault, Jennifer Healey, Zheng Wen, Michal Valko,
Abstract要約: 我々は,選択したセットに対する共通基数制約ではなく,広告キャンペーンの総コストを考慮した,オンラインインフルエンスのための新しい枠組みを導入する。当社のアプローチは、インフルエンサーのコストが変わる現実世界の環境をモデル化し、広告主はソーシャル広告予算全体にとって最高の価値を見出そうとしている。
参考スコア（独自算出の注目度）: 25.113510553720683
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: We introduce a new budgeted framework for online influence maximization, considering the total cost of an advertising campaign instead of the common cardinality constraint on a chosen influencer set. Our approach better models the real-world setting where the cost of influencers varies and advertisers want to find the best value for their overall social advertising budget. We propose an algorithm assuming an independent cascade diffusion model and edge level semi-bandit feedback, and provide both theoretical and experimental results. Our analysis is also valid for the cardinality constraint setting and improves the state of the art regret bound in this case.
Abstract（参考訳）: 本稿では,オンラインインフルエンサーセットに共通する基準制約ではなく,広告キャンペーンの総コストを考慮した,オンラインインフルエンサー最大化のための新たな予算フレームワークを提案する。当社のアプローチは、インフルエンサーのコストが変わる現実世界の環境をモデル化し、広告主はソーシャル広告予算全体にとって最高の価値を見出そうとしている。本稿では,独立したカスケード拡散モデルとエッジレベルの半帯域フィードバックを仮定したアルゴリズムを提案し,理論的および実験的結果を提供する。我々の分析は、濃度制約の設定にも有効であり、この場合の最先端の後悔法を改善する。

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)
Adaptive Budget Optimization for Multichannel Advertising Using Combinatorial Bandits [9.197038204851458]
本稿では,デジタル広告における予算配分分野への3つの重要な貢献を紹介する。まず,時間軸を延ばすマルチチャネル広告キャンペーンを模倣するシミュレーション環境を開発する。第2に,飽和平均関数と目標探索機構を利用して変化点検出を行う帯域幅予算配分戦略を提案する。
論文参考訳（メタデータ） (2025-02-05T06:29:52Z)
Hierarchical Multi-agent Meta-Reinforcement Learning for Cross-channel Bidding [4.741091524027138]
リアルタイム入札(RTB)はオンライン広告エコシステムにおいて重要な役割を担っている。従来の手法では、動的な予算配分問題を効果的に管理することはできない。マルチチャネル入札最適化のための階層型マルチエージェント強化学習フレームワークを提案する。
論文参考訳（メタデータ） (2024-12-26T05:26:30Z)
Cost-Control in Display Advertising: Theory vs Practice [0.2574913881702984]
ディスプレイ広告では、広告主は予算と利益に対する制約のあるマーケティング目標を達成することを望んでいる。これは通常、制約の下での全ユーティリティを最大化する最適化問題として定式化される。この最適化は、双対空間におけるオンライン方式で行われ、入場広告の競売には、前回の競売の結果に基づいて、最適な入札式を用いて入札を行う。このアプローチは理論上は正しいが、実際には双対変数は最初から最適ではなく、時間とともに収束する。
論文参考訳（メタデータ） (2024-09-05T19:22:33Z)
Model-based Causal Bayesian Optimization [74.78486244786083]
乗算重み付き因果ベイズ最適化のための最初のアルゴリズム(CBO-MW)を提案する。グラフ関連の量に自然に依存するCBO-MWに対する後悔の限界を導出する。我々の実験は、共有モビリティシステムにおいて、ユーザの需要パターンを学習するためにCBO-MWをどのように使用できるかの現実的なデモを含む。
論文参考訳（メタデータ） (2023-07-31T13:02:36Z)
Structured Dynamic Pricing: Optimal Regret in a Global Shrinkage Model [50.06663781566795]
消費者の嗜好と価格感が時間とともに変化する動的モデルを考える。我々は,モデルパラメータの順序を事前に把握している透視者と比較して,収益損失が予想される,後悔による動的価格政策の性能を計測する。提案した政策の最適性を示すだけでなく,政策立案のためには,利用可能な構造情報を組み込むことが不可欠であることを示す。
論文参考訳（メタデータ） (2023-03-28T00:23:23Z)
Online Learning under Budget and ROI Constraints via Weak Adaptivity [57.097119428915796]
制約付きオンライン学習問題に対する既存の原始双対アルゴリズムは、2つの基本的な仮定に依存している。このような仮定は、標準の原始双対テンプレートを弱適応的後悔最小化器で与えることによって、どのように回避できるのかを示す。上記の2つの前提が満たされていない場合に保証される、世界の最高の保証を証明します。
論文参考訳（メタデータ） (2023-02-02T16:30:33Z)
Demystifying Advertising Campaign Bid Recommendation: A Constraint target CPA Goal Optimization [19.857681941728597]
本稿では,広告主が望むtCPA目標を達成するための入札最適化シナリオを提案する。我々は厳格に定式化された制約付き最適化問題を解くことで決定を下すために最適化エンジンを構築した。提案モデルでは,広告主の過去のオークション行動に対する推測を行うことで,広告主の期待に応える入札を自然に推奨することができる。
論文参考訳（メタデータ） (2022-12-26T07:43:26Z)
Contextual Bandits for Advertising Campaigns: A Diffusion-Model Independent Approach (Extended Version) [73.59962178534361]
拡散ネットワークや情報伝達の仕方を決定するモデルについてはほとんど知られていないと考えられる影響問題について検討する。この設定では、キャンペーンの実行中に主要な拡散パラメータを学習するために探索-探索アプローチが使用できる。本稿では,2つの文脈的マルチアーム・バンディットの手法と,インフルエンサーの残りのポテンシャルに対する上限について比較する。
論文参考訳（メタデータ） (2022-01-13T22:06:10Z)
Correlation Robust Influence Maximization [5.508091917582913]
本稿では,影響問題に対する分布的ロバストなモデルを提案する。最悪の相関の下での期待される影響を最大化する種集合を求める。この最悪の影響を効率的に計算できることが示される。
論文参考訳（メタデータ） (2020-10-24T04:43:56Z)
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。