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

该研究探讨在线广告和动态定价设计的问题，使用贝叶斯说服模型来研究信号对买家定价和购买决策的影响，提出了一种具有低后悔率的在线算法。

Apr, 2023

电子商务广告效果主要取决于商家对目标用户进行竞标和赢得展示的能力。本文考虑在用户时间线级别上解决这一问题，通过操纵完整策略而不是竞标值来将策略最优地分配给用户，引入 SuccessProbaMax 算法来优化成功概率，实验证明该算法在成功率方面优于传统预期值最大化算法。

Dec, 2023

该研究通过提出一种新颖的串行选择模型来展示在线学习中的序贯选择问题，以平衡用户的探索和利用，并挖掘用户的个性化需求。研究发现，考虑到顾客对于不必要的市场营销渠道的反感，平台需在学习用户更改的流失率，从而优化宣传消息的长度和顺序，并提供个性化推荐。

Mar, 2019

本文提出了一种针对在线广告买卖市场的方法，以最大化广告主的总实用效益且满足预算限制，解决预算限制下不确定的、可能存在证明问题的一组拍卖中的投标最优策略问题，并对在线出价的情况进行了调查，算法在完全信息情况下的拍卖后悔为 $O (T^{3/4})$。我们证明了此方法优于现有的适应性 pacing 算法的合成和真实数据集上的累计后悔。

Jun, 2023

本文讨论了如何利用多智能体强化学习进行实时广告优化，提出了一种聚类算法分配策略代理，并通过行业实验表明，与单一代理和实验算法相比，基于聚类的竞价模型具有更好的效果。

Feb, 2018

通过将用户的行为建模为个性化的马尔可夫决策过程 (MDP)、并将稳定的用户视为吸收状态，本文提出了一个灵活、实用的框架，在业务优化的角度，权衡用户浏览时间及用户的即时点击量，有效提高了用户的累积点击量。

Jun, 2020

通过动态规划平衡当前高奖励和未来低回报的多阶段社交网络优化问题的基础上，建立一个基于多变量 Hawkes 过程的社交网络优化理论框架，并针对推广的几个目标函数推导出外部事件强度与目标函数的时间依赖线性关系，进一步发展了一个凸的动态规划框架，可以确定每个阶段所需的外部推动水平，以达到所需的推广结果。实验结果表明，我们的算法比基线模型更准确地引导用户进行优化宣传。

Jun, 2016

本文提出了一种在线学习框架，利用多维度的决策变量、赌博反馈和长期不确定性约束，帮助广告客户在非平稳采购结果的真实赌博反馈环境中动态优化广告平台的杠杆决策，取得低损失结果。

Jul, 2023

本文针对互联网广告动态分配中的预算限制，运用多臂老虎机算法进行研究，提出具有强可证性、适应性强的 UCB1 算法改进方案。

Jun, 2013