論文の概要: HMAF: A Hierarchical Multi-Slot GD-RTB Allocation Framework

• arxiv url: http://arxiv.org/abs/2606.09896v1
• Date: Thu, 04 Jun 2026 22:50:38 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-06-10 15:40:58.025229
• Title: HMAF: A Hierarchical Multi-Slot GD-RTB Allocation Framework
• Title（参考訳）: HMAF:階層型マルチスロットGD-RTBアロケーションフレームワーク
• Authors: Tianxing Bu, Zhaoqi Zhang, Linyou Cai, Miao Xie, Shengri Xue, Tan Qu, Qianlong Xie, Xingxing Wang, Siqiang Luo, Gao Cong,
• Abstract要約: 本稿では,GD-RTB広告プラットフォームにおけるインプレッションアロケーションの最適化を目的とした統合フレームワークを提案する。 HMAFは世界最大のオンラインフードデリバリープラットフォームであるMeituanで、複数のマーケティングシナリオで実装されている。
• 参考スコア（独自算出の注目度）: 18.803846150996197
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: In modern online advertising platforms, Guaranteed Delivery (GD) contracts coexist and bid with Real-Time Bidding (RTB) auctions. Recent approaches either decouple GD and RTB optimization or rely on heuristic priority rules, and thus fail to effectively balance short-term revenue maximization with long-term contract delivery under complex multi-slot delivery and impression constraints. To address these challenges, we propose HMAF (Hierarchical Multi-Slot Allocation Framework), a unified framework designed to optimize impression allocation in GD--RTB advertising platforms. HMAF employs the Plan--Calibrate--Execute paradigm as its core structure, and integrates offline constraint optimization with online decision-making, balancing offline GD resource planning, dynamically calibrating GD--RTB competitiveness, and making real-time listwise rank decisions across multi-slot environments. HMAF has been implemented in multiple marketing scenarios at Meituan, one of the world's largest online food delivery platforms, leading to a 3.72% increase in GD delivery rate and a 1.59% increase in total advertisement revenue.
• Abstract（参考訳）: 現代のオンライン広告プラットフォームでは、GD(Gurranteed Delivery)は、リアルタイム入札(RTB)オークションと共存して入札を行う。 近年のアプローチでは、GDとRTBの最適化を分離するか、ヒューリスティックな優先ルールに依存しているため、複雑なマルチスロットデリバリと印象制約の下で、短期的な収益の最大化と長期契約デリバリとのバランスを効果的に取れない。 これらの課題に対処するため、我々は、GD-RTB広告プラットフォームにおける印象割り当てを最適化する統合フレームワークであるHMAF(Hierarchical Multi-Slot Allocation Framework)を提案する。HMAFは、Plan-Calibrate-Executeパラダイムをコア構造として採用し、オフライン制約最適化をオンライン意思決定と統合し、オフラインのGDリソース計画のバランスをとり、GD-RTB競争性を動的に調整し、マルチスロット環境間でリアルタイムなランキング決定を行う。 HMAFは世界最大のオンラインフードデリバリープラットフォームであるMeituanで複数のマーケティングシナリオで実装されており、GDデリバリーレートが3.72%増加し、広告収入が1.59%増加した。

関連論文リスト

• Beyond Single Slot: Joint Optimization for Multi-Slot Guaranteed Display Advertising [19.913909474194934]
  本稿では,スロットレベルの冗長性,契約の不均衡,露出濃度といった重要な課題に対処する,マルチスロットGDアロケーションのための新しい共同最適化フレームワークを提案する。 本手法は, スロット排他性とページビュー制約に対する契約ルーレット機構を用いて, オフライン二部マッチング問題を定式化したものである。
  論文  参考訳（メタデータ） (2026-05-20T13:32:47Z)
• HAD: Combining Hierarchical Diffusion with Metric-Decoupled RL for End-to-End Driving [51.268878540511054]
  我々は階層的拡散政策を備えたエンドツーエンドの計画フレームワークであるHADを提案する。 我々は,NAVSIMとHUGSIMの両方でHADが新たな最先端性能を実現することを示す。
  論文  参考訳（メタデータ） (2026-04-04T04:12:47Z)
• Diffusing to Coordinate: Efficient Online Multi-Agent Diffusion Policies [51.24079409973799]
  拡散に基づく生成モデルは、オンラインマルチエージェント強化学習(MARL)のニーズを満たすために適切に配置されている 我々は、アンダーライン拡散ポリシーを用いて、最初のアンダーラインオフラインアンダーラインMARLフレームワークを提案する。 私たちのキーとなるイノベーションは、拡張された関節のエントロピーを最大化する、緩和された政策目標です。
  論文  参考訳（メタデータ） (2026-02-20T15:38:02Z)
• HOB: A Holistically Optimized Bidding Strategy under Heterogeneous Auction Mechanisms with Organic Traffic [23.230940625345372]
  電子商取引広告プラットフォームは通常、第2価格オークション(SPA)または第1価格オークション(FPA)を通じて商業トラフィックを販売している。 自動入札システムにとって、このような傾向は重要な課題であり、多様な広告主の目的を満たすため、異種オークションチャネルをまたいだ最適な戦略を決定することである。 我々は,有機トラフィックの存在を考慮に入れた,FPAチャネル下での最適入札のための効率的なソリューションを導出する。
  論文  参考訳（メタデータ） (2025-10-17T02:00:09Z)
• Multi-task Offline Reinforcement Learning for Online Advertising in Recommender Systems [54.709976343045824]
  現在のオフライン強化学習(RL)手法は、スパース広告シナリオに適用した場合、重大な課題に直面している。 MTORLは,2つの主要な目標を対象とする,新しいマルチタスクオフラインRLモデルである。 我々はマルチタスク学習を用いて行動と報酬をデコードし、同時にチャネルレコメンデーションと予算配分に対処する。
  論文  参考訳（メタデータ） (2025-06-29T05:05:13Z)
• Session-Level Dynamic Ad Load Optimization using Offline Robust Reinforcement Learning [14.410333601657172]
  セッションレベルの動的広告ロード最適化は、ユーザのオンラインセッション中に配信される広告の密度とタイプをリアルタイムでパーソナライズすることを目的としている。 従来の因果学習に基づくアプローチは、重要な技術的課題に苦しむ。 本研究では,動的システムにおける共起バイアスを効果的に軽減するオフライン深層Q-network(DQN)ベースのフレームワークを開発する。
  論文  参考訳（メタデータ） (2025-01-09T21:53:03Z)
• HiBid: A Cross-Channel Constrained Bidding System with Budget Allocation by Hierarchical Offline Deep Reinforcement Learning [31.88174870851001]
  階層型オフライン深層強化学習(DRL)フレームワーク「HiBid」を提案する。 HiBidは、非競争的な予算配分のための補助的損失を備えた高レベルプランナーで構成されている。 チャネル間CPC制約を満たすためにCPC誘導動作選択機構を導入する。
  論文  参考訳（メタデータ） (2023-12-29T07:52:46Z)
• 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)

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。