온라인 학습 알고리즘 개선: 광고 경매에서 CTR 예측

핵심 개념

광고 경매에서 CTR 예측을 위한 온라인 학습 알고리즘의 개선

초록

• 광고 경매에서 CTR 예측을 위한 온라인 학습 알고리즘에 대한 연구
• 두 가지 광고주 행동 모델에 초점: 미오픽 광고주와 비미오픽 광고주
• 미오픽 광고주에 대한 UCB 알고리즘 기반의 온라인 메커니즘 개발
• 비미오픽 광고주에 대한 탐색-확정 알고리즘과 UCB를 결합한 온라인 경매 메커니즘 설계
• 미오픽 광고주와 비미오픽 광고주의 경우 각각의 알고리즘을 통해 음수 후회 달성

통계

"알고리즘은 O(√T) 후회를 달성"
"경매에서 미오픽 광고주의 경우 음수 후회 달성"
"경매에서 비미오픽 광고주의 경우 음수 후회 달성"

인용구

"경매에서 CTR 예측을 위한 온라인 학습 알고리즘에 대한 연구"
"두 가지 광고주 행동 모델에 초점: 미오픽 광고주와 비미오픽 광고주"
"미오픽 광고주에 대한 UCB 알고리즘 기반의 온라인 메커니즘 개발"

핵심 통찰 요약

Improved Online Learning Algorithms for CTR Prediction in Ad Auctions

by Zhe Feng,Chr... 게시일 arxiv.org 03-05-2024

https://arxiv.org/pdf/2403.00845.pdf

더 깊은 질문

어떻게 미오픽 광고주와 비미오픽 광고주의 차이점을 고려하여 알고리즘을 설계했는가?

이 논문에서는 미오픽 광고주와 비미오픽 광고주의 차이를 고려하여 알고리즘을 설계했습니다.

미오픽 광고주: 미오픽 광고주는 각 라운드에서 현재 라운드의 유틸리티를 최대화하려고 합니다. 이 경우, 상대적으로 간단한 UCB 알고리즘을 사용하여 온라인 경매 메커니즘을 설계했습니다. 이 알고리즘은 각 광고주의 입찰가와 CTR을 고려하여 상위 입찰자를 선택하고 두 번째로 높은 예상 가치의 광고에 대한 가격을 정합니다. 이를 통해 O(√T)의 최악의 경우 후회를 달성했습니다.

비미오픽 광고주: 비미오픽 광고주는 장기적인 유틸리티를 최대화하려고 합니다. 이 경우, 광고주는 앞선 라운드에서 전략적으로 입찰하여 메커니즘을 조작하려고 할 수 있습니다. 이에 대응하여 탐색-그 후-확정 알고리즘과 UCB를 결합한 온라인 경매 메커니즘을 설계했습니다. 이 알고리즘은 초기 탐색 라운드를 통해 가장 높은 eCPM을 가진 광고를 찾은 후, 나머지 라운드에서 UCB 추정치를 사용하여 경매를 운영합니다. 이를 통해 음수 후회를 달성했습니다.