WSDMDec, 2020

基于深度 GSP 拍卖的电子商务广告多绩效优化

PDF
TL;DR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。
发现论文，激发创造
  • 神经拍卖：端到端学习用于电子商务广告拍卖的拍卖机制

    该研究提出 Deep Neural Auctions (DNAs) 模型，通过设计可微分模型解决了拍卖机制中的离散排序操作问题，实现了端到端的拍卖学习，提高了基于电商广告的多种性能指标的效果。

    Jun, 2021

  • 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

  • NMA: 带外部性的神经多槽位拍卖在线广告

    本文提出了一种新的拍卖机制 —— 神经多插槽拍卖（NMA），通过上下文感知列表式预测模块和深度排序模块有效地对广告的全球影响进行建模，同时设计一个辅助损失以有效地降低社会福利的下降，实现了最大化收入和平衡的社会福利，证实了 NMA 在收入和社会福利方面具有更好的性能。

    May, 2022

  • 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

  • 广告竞拍中利益相关者的优化平衡

    本文研究广告拍卖中各利益相关者的权衡。我们讨论了基于利益相关者效用值的线性组合优化问题及其解决方案，同时通过模拟和实际数据分析探究了不同广告数量对各方效用的影响。最后，我们探究了组合型广告格式的不同竞价规则，并发现了其中的问题和限制。

    Apr, 2014

  • 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

  • 赞助搜索中的收入最大化博弈论机器学习方法

    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。

    Jun, 2014

  • 一种用于首价拍卖出价调整的高效深度分布式网络

    本研究介绍了一种新型深度分配网络用于在线广告竞价优化，通过线上离线 A/B 测试以及生产线上环境使用，该方法在竞价成本和 ROI 方面显著优于之前的算法，并在 VerizonMedia DSP 上服务于每天数百亿的广告请求。

    Jul, 2021

  • 机制设计中的灰姑娘问题

    GSP auction succeeded due to advertisers' value maximization preferences for truthful auction pricing, supporting the broader application of truthful auction pricing to single-parameter pricing domains.

    Jan, 2017

  • 深度自动化机制设计 --- 用于广告竞价和分配的新闻推送

    电子商务平台上的广告拍卖和分配过程对广告收入和总商品交易量有直接影响，存在两个问题：广告拍卖阶段不考虑外部因素（例如实际显示位置和上下文对广告点击率的影响），广告分配阶段无法实现广告的激励兼容性。以往的研究多关注其中一个阶段，忽视了这个两个阶段的问题，从而导致了次优的结果。

    Jan, 2024