KDDJul, 2019

使用深度强化学习的赞助搜索组合关键词推荐

PDF
TL;DR本文探讨了利用一种改进的指针网络结构思想，通过采用深度强化学习来解决关键词推荐的组合优化问题，提出了一个预分簇方法 Equal Size K-Means 来加速训练和测试，该框架在离线和在线环境中均取得了显著的提高。
sponsored searchkeyword recommendationscombinatorial optimizationdeep reinforcement learningequal size k-means
发现论文，激发创造
  • 使用深度强化学习生成高质量的相关搜索查询建议

    利用强化学习技术的深度学习模型预测用户下一个搜索词并依据长期会话反馈、语法相关性以及生成查询的自然度等奖励信号对高质量且多样化的相关搜索查询进行推荐。相对于基线监督模型，我们提出的方法在推荐的多样性、用户参与度和每个句子重复词的数量方面都有显著的相对改进（3％、4.2％和 82％）。

    Aug, 2021

  • 领域约束的广告关键词生成

    该论文探讨了使用生成神经网络以及强化学习算法来解决在线广告推荐中的关键字提取问题，提出的模型能够生成与输入相关、多样化的关键字，并且满足领域特定信息的限制条件，并通过离线和在线评估表明，所提出的模型能够显著提高广告投放的覆盖率、点击率和 RPM。

    Feb, 2019

  • 使用强化学习优化 Web 搜索的查询评估

    本研究将匹配规划问题视为强化学习任务，通过使用静态设计的匹配计划选择候选文档集，可实现最多 20% 的索引块访问减少，而不降低候选集的质量。

    Apr, 2018

  • 利用大型语言模型和强化学习优化前 K 推荐的新颖性

    通过使用强化学习模型，借助大型语言模型的语义能力和用户反馈，提出了一种在大规模搜索引擎中提高推荐结果新颖性的算法。

    Jun, 2024

  • 搜索、推荐和在线广告的深度强化学习：综述

    本文概述了基于深度强化学习的信息搜索、推荐和在线广告的方法和应用，回顾了代表性算法，讨论了一些有吸引力的研究方向。

    Dec, 2018

  • 联合学习推荐和广告

    本文提出了一种新的两级强化学习框架，用于联合优化推荐和广告策略，第一层生成推荐列表以优化用户体验，第二层将广告插入推荐列表以平衡广告客户的即时广告收入和广告对长期用户体验的负面影响。实验结果表明该框架的有效性。

    Feb, 2020

  • 赞助搜索广告中的关键词优化：一个多级计算框架

    本研究中提出了一个基于多级和闭合式计算框架的关键词优化 (MKOF) 模型，用于支持在整个搜索广告 KPI (关键绩效指标) 生命周期中的各种关键词决策，并在两个真实世界数据集上进行了实验验证，结果表明该模型可以在稳定的情况下接近最优解，以及优于在实践中常用的两个基本关键词策略。

    Feb, 2022

  • DEAR: 推荐系统中用于在线广告展示的深度强化学习

    本文提出了一种基于强化学习的广告策略，通过设计一个新型的深度 Q 网络结构，可以连续更新其广告策略，在推荐列表中插入广告或不插入广告，并选择最优广告和最佳插入位置，使得推荐广告效果显著提升。

    Sep, 2019

  • 搜索广告中基于多样性驱动的查询重写

    本文提出了 CLOVER 框架，通过增加多样性的强化学习算法来优化人类对重写质量的评估，从而生成高质量和多样化的查询重写，离线实验和 Bing 上的在线实验都证明了该方法的有效性。

    Jun, 2021

  • 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