实时竞价广告中考虑删失的任意分布建模
机器学习
2021-10-27 v1
摘要
库存定价（Inventory Pricing）的目的是为在线广告机会出价合适的价格，这对于需求方平台（DSP）在实时竞价（RTB）中赢得广告拍卖至关重要。在规划阶段，广告主需要概率模型的预测来做出竞价决策。然而，以往多数工作对 winning price（胜出价格）的分布形式做了强假设，这降低了其准确性并削弱了泛化能力。尽管近期一些工作尝试直接拟合分布，其复杂结构在在线推断上缺乏效率。本文设计了一种新颖的损失函数——邻域似然损失（NLL），并与提出的任意分布建模（ADM）框架协作，在无预设假设下预测删失下的胜出价格分布。我们在两个真实实验数据集以及我们系统中一个大规模非模拟生产数据集上进行了实验。实验表明 ADM 在算法指标与业务指标上均优于基线。通过回放生产环境的历史数据，该方法在我们的系统中展现出良好收益。无需任何预设特定分布形式，ADM 在效果与效率上均显示出显著优势，证明了其在建模复杂价格地形方面的强大能力。
引用
@article{arxiv.2110.13587,
title = {Arbitrary Distribution Modeling with Censorship in Real-Time Bidding Advertising},
author = {Xu Li and Michelle Ma Zhang and Youjun Tong and Zhenya Wang},
journal= {arXiv preprint arXiv:2110.13587},
year = {2021}
}