最大化在线系统中策略分配的成功概率
信息检索
2023-12-29 v1 计算机科学与博弈论
机器学习
机器学习
摘要
电子商务中广告的有效性很大程度上取决于商家为其目标用户竞价并赢得展示 impressions 的能力。由于市场竞争、用户行为以及广告主目标的多样性等因素，竞价过程高度复杂。在本文中，我们在用户时间线层面而非单个竞价请求层面考虑该问题，操作完整的策略（即预定义的竞价策略）而非竞价数值。为了最优地将策略分配给用户，典型的多处理分配方法求解类似背包问题，旨在约束条件下最大化期望值。在在线广告等工业场景中，我们认为优化成功概率比最大化期望值是更合适的目标，因此我们引入了 SuccessProbaMax 算法，旨在找到最有可能优于固定参考策略的策略分配方案。最后，我们在合成数据和真实世界数据上进行了全面的实验以评估其性能。结果表明，我们提出的算法在成功率方面优于传统的期望值最大化算法。
引用
@article{arxiv.2312.16267,
title = {Maximizing the Success Probability of Policy Allocations in Online Systems},
author = {Artem Betlei and Mariia Vladimirova and Mehdi Sebbar and Nicolas Urien and Thibaud Rahier and Benjamin Heymann},
journal= {arXiv preprint arXiv:2312.16267},
year = {2023}
}
备注
accepted to AAAI 2024, 7 pages main text, 9 pages references and appendix, 22 figures