- KDD动态分层经验贝叶斯：一个应用于在线广告的预测模型
利用数据驱动的动态分级经验贝叶斯模型实现稀疏的线上广告投放数据的关键词表现预测，比二者相比具有更高的准确性和效率，并提供了一个在实时环境中服务的两阶段系统。
- KDD多通路多触点归因的深度神经网络与注意力模型
本文提出了一种基于深度学习的新型归属算法，利用 DNAMTA 模型，通过监督学习预测广告活动是否导致转化，来精确评估每个广告渠道的影响，并结合用户背景信息和行为控制变量来减少估计偏差，从而深入理解媒体渠道的动态交互效应，并在大型真实世界营销 - 应对产品需求变化：赞助搜索中转化率（CR）预测应用
本文提出了三种结合产品需求特征、专业数据采样方法和集成技术的模型，可以更准确地预测产品广告的用户交互结果，并同时对用户和广告商行为的波动具有鲁棒性。
- KDD在线广告的数据质量评估
本文介绍了一种可以应用于在线广告中的数据源质量评估框架，该框架可以有效地评估特定数据源分类与真实情况的相似度，通过多种方法实现数据质量评估，并且介绍了将数据质量评估结果用于特定用户类别定位和预测在线广告受众的两个应用案例。
- 延迟转化的随机强化学习赌博机模型
这篇文章提出并研究了一种基于 Chapelle 的框架的新的随机多臂赌博模型，其中每种操作可能会触发一个将以随机延迟发生的未来奖励，并提供了一些性能下界和基于 UCB 和 KLUCB 框架的两个简单而有效的算法。
- KDD深度兴趣网络用于点击率预测
本文提出了一种新型的模型：深度兴趣网络 （DIN），它设计了一个本地激活单元来自适应地学习用户兴趣的表示，从历史行为的角度与某个广告相关。与固定长度向量相比，这种表示向量具有更强的表达能力。在两个公共数据集以及一个阿里巴巴实际生产数据集的实 - KDD基于可操作特征调整的树形集成模型可解释预测
本文提供一种利用基于树的集成分类器内部的技术来将真负实例转化为正例的推荐算法，通过在线广告应用程序证明了方法的有效性。
- KDD淘宝展示广告中的每次点击优化成本
本研究提出一种优化共享商品在线广告的投标策略（OCPC），该策略可通过自动调整出价以实现广告与流量质量的细粒度匹配，从而优化广告主需求、平台业务收益和用户体验，并提高流量分配效率。在淘宝展示广告系统生产环境中进行的在线 A/B 测试表明，与 - NIPS多保真度多臂赌博机
本文研究了一种多保真度赌博机的变体，提出了一种名为 MF-UCB 的新型上置信区间过程，并证明了它在序列逐渐的逼近中适应性更好，并且达到了比忽略近似的策略更好的遗憾最小化效果。
- KDD电子商务推荐信箱：规模化的产品推荐
通过使用神经语言算法，本文研究了如何利用电子邮件收据中用户的购买历史，向雅虎邮件用户提供高度个性化的产品广告，通过离线和在线测试证明了该系统成功提高了点击率和转化率。
- MyAdChoices: 为在线广告带来透明度和控制
本研究提出了一种智能 web 技术，旨在实现在线广告的透明化，帮助用户进行明智的决策和保护隐私，并证明了该方法的可行性和适用性。
- AAAI基于 Lift 的广告竞选
本文提出一种新的投标策略，通过考虑广告对用户的实际影响来决定出价，并证明采用基于广告性能提升的投标策略可以使广告主获得更多的行动事件。并通过实际广告活动进行了盲目的 A/B 测试，证明了这一策略的实际性能提升，并探讨了归因模型与投标策略之间 - 使用贝叶斯结构时间序列模型推断因果影响
本文提出了一种基于扩散回归状态空间模型的方法，用于推断经济学干预措施对于市场结果指标的因果影响，相较于差异 - 差异方案，该模型有助于灵活适应多种变异来源，并在模拟和实际数据上进行了验证。
- KDD基于多点触控归因的在线广告预算分配
该研究探讨了在线广告的预算分配问题，通过使用多种归因方法来确定子活动的表现，以最大化广告主或活动级别的投资回报率。
- NIPS具有战略买家的重复拍卖学习定价
我们研究了在线广告中的买方定价、多次交互和卖方算法，包括买方价值分布推断、策略性遗憾和卖方长期收入最大化。我们定义了策略性遗憾的自然概念，介绍了卖方算法，分析了买方的贴现能力。该文阐述了任何卖方算法在没有贴现时都将遭受线性策略性遗憾。
- 基于 POMDP 的相关广告的序列选择
本研究旨在研究如何使用部分可观察的马尔可夫决策过程和相关广告的相关性来提高在线发布者广告收入的效率和持续性。研究表明，使用类似于协作过滤的公式可以自然地更新相关广告的信念状态。在一个主要搜索引擎中收集和分类的真实广告数据集上进行实验，并演示 - 使用紧凑分配计划进行广告投放
该研究提出采用紧凑的分配计划解决在线展示广告中的保证交付广告投放问题，这种方案能够有效地解决预测性不确定的用户行为、成千上万个合同和数十亿用户访问等问题。
- 利用虚张声势广告对抗在线点击欺诈
互联网广告是许多互联网巨头目前最大的收入来源。点击欺诈是对此增长最大的威胁之一。本文提出了 bluff 广告这一策略来减少点击欺诈水平。