展示广告中带预算约束的自适应风险感知竞价
信息检索
2022-12-26 v1 人工智能
机器学习
摘要
实时竞价(RTB)已成为展示广告的主要范式。每次由用户访问产生的广告曝光都在实时拍卖,其中需求方平台(DSP)通常依赖广告曝光价值估计与最优出价确定来自动提供出价。然而,当前出价策略忽略了用户行为(如点击)的巨大随机性以及由拍卖竞争引起的成本不确定性。本工作中,我们显式地将估计的广告曝光价值的不确定性纳入考量,并通过序贯决策过程对特定状态与市场环境下 DSP 的风险偏好建模。具体地,我们提出一种基于强化学习的带预算约束的新型自适应风险感知竞价算法,这是首个同时考虑估计不确定性与 DSP 动态风险倾向的方法。我们基于风险价值(VaR)从理论上揭示了不确定性与风险倾向之间的内在关系。进而,我们提出两种建模风险倾向的实例化,包括涵盖三个本质属性的专家知识型公式,以及基于自监督强化学习的自适应学习方法。我们在公开数据集上进行了广泛实验,表明所提框架在实际设定下优于最先进的方法。
引用
@article{arxiv.2212.12533,
title = {Adaptive Risk-Aware Bidding with Budget Constraint in Display Advertising},
author = {Zhimeng Jiang and Kaixiong Zhou and Mi Zhang and Rui Chen and Xia Hu and Soo-Hyun Choi},
journal= {arXiv preprint arXiv:2212.12533},
year = {2022}
}
备注
Accepted by AI for Web Advertising Workshop, AAAI 2023