AAAIDec, 2022

展示广告中带有预算限制的自适应风险感知竞标

PDF
TL;DR本研究提出了一种基于强化学习的新型自适应风险感知竞价算法，旨在同时考虑估计不确定性和 DSP 的动态风险倾向，并通过公共数据集的广泛实验表明，该算法在实际 setting 中优于现有的最佳方法。
real-time biddingdisplay advertisingrisk-aware bidding algorithmreinforcement learninguncertainty
发现论文，激发创造
  • 展示广告投标风险管理

    本研究透過評估使用者行為不確定性和拍賣競爭中的成本不確定性來為 RTB 顯示廣告中的不確定性建立數學模型，推導出了兩種風險意識下的出價策略，此模型可有效提高广告投放的利润。

    Jan, 2017

  • 展示广告中强化学习实时竞价

    本文探讨了在实时竞价广告投放中，利用强化学习算法，通过状态空间表示广告拍卖信息和实时参数，在竞价过程中动态分配预算，学习最优的出价策略以最大化广告业绩，并通过神经网络解决了实际应用中的可扩展性问题。

    Jan, 2017

  • 基于模型无关强化学习的广告展示的预算约束竞标

    本研究提出一种基于强化学习的模型自由框架，将预算限制投标问题转化为马尔可夫决策过程，并采用深度神经网络学习适当的奖励 —— 从而优化决策策略 — 以在大规模真实数据集上执行 RTB 优化

    Feb, 2018

  • 基于多智能 Agent 强化学习的实时竞价展示广告

    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

  • 深度强化学习在赞助搜索实时竞价中的应用

    本文提出了一种基于强化学习的方法解决了在线广告拍卖中的实时竞标问题，特别是在搜索广告拍卖中针对多关键字的竞标策略提出了一个控制模型。

    Mar, 2018

  • 在线广告中基于实时出价和平滑预算分配的优化

    本研究提出了一种在线方法，通过在时间范围内最优化地分配预算，并基于事前性能分布来选择高质量的广告展示和调整竞价，以实现顺畅的预算交付并优化转化表现。

    May, 2013

  • 一种动态定价模型，用于统一程序化保证和实时竞价在展示广告中的应用

    本文提出了一个数学模型，该模型分配和定价未来的广告展示 —— 既可以是通过实时竞价在拍卖市场上出售，也可以是通过保证合同事先出售。通过价格差异化和最优分配，该模型可将两种方式无缝地组合在一起，从而最大化发布者的收入。通过 RTB 数据评估，我们发现，该模型根据竞争水平采用不同的分配和定价策略。

    May, 2014

  • 基于课程引导的贝叶斯强化学习的 ROI 受限出价

    该篇论文描述了如何使用部分可观测马尔可夫决策过程方法做到在高度动态的广告市场中，自适应平衡 ROI 约束和目标优化的需求并提出了一种调整策略的贝叶斯强化学习框架。

    Jun, 2022

  • 竞标机器：学习竞标直接优化展示广告收益

    本论文提出了一个综合的学习出价框架 Bidding Machine，能够联合优化估算广告效用、预测市场价值、制定最佳竞标策略三个挑战，大大提高了广告活动的效益和利润。

    Mar, 2018

  • 展示广告中的印象分配和政策搜索

    该论文研究了优化在线展示广告销售策略，通过将印刷品分配问题转化为拍卖问题，并提出了多智能体强化学习方法来解决不稳定流量模式等挑战，最终证明该策略可行且有效。

    Mar, 2022