IJCAIJun, 2014

赞助搜索中的收入最大化博弈论机器学习方法

PDF
TL;DR本文提出一种新颖的博弈论机器学习方法，该方法自然地合并机器学习和博弈论，通过双层优化框架学习拍卖机制以实现经验收入最大化。实验证明，该方法能够比几个基线方法产生更有效的拍卖机制。
sponsored searchauction mechanismgame-theoretic machine learningempirical revenue maximizationgenetic programming algorithm
发现论文，激发创造
  • 赞助搜索广告的算法方法

    现代商业互联网搜索引擎通过拍卖方式在搜索结果旁边展示广告，这种发起出价的赞助搜索依靠市场机制，我们总结了当前拍卖系统的情况，描述了博弈论方面的基本原理，该博弈涉及到三方，分别是广告主、搜索引擎和搜索用户，介绍了强调每方角色的研究方向，并使用机制设计、优化和统计估计的技术来制定竞标和定价算法最后提出了赞助搜索广告中的一些挑战。

    May, 2008

  • 具有马尔可夫用户的赞助搜索拍卖

    通过研究用户行为，提出一种基于马尔可夫模型的最高效广告分配算法，结合 VCG 机制实现真实拍卖，得到了和 GSP 相似的拍卖稳定性和直观性。

    May, 2008

  • 优化搜索广告策略：将强化学习与广义第二价格拍卖相结合以实现增强型广告排名和出价

    本文探讨了在电子商务平台中将战略优化方法引入搜索广告领域，重点关注广告排名和竞价机制。通过结合强化学习和进化策略，我们提出了一个动态模型，能够根据用户交互的变化优化广告成本、用户相关性和平台收益的平衡。我们的研究结果表明，在广告投放准确性和成本效率方面取得了显著的改进，证明了该模型在实际场景中的适用性。

    May, 2024

  • 多广告位赞助搜索竞拍的真实学习机制及外部性

    该论文扩展了有关单 Slot 拍卖中的 sponsored search auctions 的机制设计的研究，并研究了使用级联模型来解决多 Slot 拍卖中的 CTR 估计和真实机制设计的问题。

    May, 2014

  • 基于深度 GSP 拍卖的电子商务广告多绩效优化

    本文提出了一种名为 Deep GSP auction 的新拍卖机制，它利用深度学习在 GSP 拍卖框架下设计新的排名得分函数，实现了对多种、动态、难以估计、甚至矛盾的性能指标进行优化，并在领先的电子商务广告平台上进行了广泛的实验评估，证明了其效果优于现有的拍卖机制。

    Dec, 2020

  • 搜索广告的通用拍卖机制

    该论文研究了在赞助搜索中，对于一定数量的广告位需要在竞争的广告商之间进行分配，提出了将拍卖机制与广告竞价相结合的策略，给出了一种基于线性效用的指派模型，在此基础上提出了 GSP 和 VCG 机制，并介绍了计算该模型中的拍卖结果的算法。

    Jul, 2008

  • 电商中优化赞助产品的实用经验

    本文研究赞助产品优化中的多个问题，包括基于位置的去偏差、点击 - 转化多任务学习和预测点击率（pCTR）的校准。我们提出了一个实用的机器学习框架，可以解决这些问题，而不改变现有机器学习模型的结构，并可以与大多数机器学习模型结合使用。我们在真实世界的在线购物网站上评估了我们的提出的实用框架，证明它可以解决广告系统中的固有问题，并为多个评估指标带来增益。

    Apr, 2023

  • 带有丰富广告的赞助搜索拍卖

    该研究报告探讨了随着广告形式的变革，GSP 拍卖架构在计算价格时所遇到的问题，并提出了一种重新设计搜索广告销售系统的机制来解决这些问题。

    Jan, 2017

  • 基于神经网络的自动化机制设计

    本文介绍的是一个名为 MenuNet 的神经网络框架，它可以自动化地设计出最优拍卖机制，且在实验中得到的机制都是 incentive-compatible 的，能够在多项收入最优设计中应用，并经过理论证明的机制是最优的。

    May, 2018

  • 赞助搜索的预算优化：MDP 中的屏蔽学习

    本研究考虑广告主在参加重复竞价搜索拍卖时所面临的预算优化问题，将其作为带有被审查观测的马尔可夫决策过程（MDP）来建模，并提出基于 Kaplan-Meier 或产物极限估计器的学习算法。在微软广告中心的大量搜索竞拍数据上，将此算法与几种其他算法进行比较，证明其快速收敛的最佳性能。

    Oct, 2012