多臂老虎机下优化在线广告：在拍卖动态下缓解冷启动问题
机器学习
2025-02-05 v1
摘要
在线广告平台常面临常见挑战：冷启动问题。新广告的行为数据（点击次数）不足，导致对其点击率 (CTR) 的预测困难。由于早期表现影响其在平台上的长期行为，"旧"广告的 CTR 也可能被严重低估。冷启动问题对业务具有深远影响，包括错失长期收入机会。为缓解此问题，我们开发了一种针对基于位置的模型 (PBM) 的 UCB 类算法，专为拍卖计费系统设计。我们提出的方法成功地将理论与实践结合起来：我们获得了预算 regret 的理论上界，并通过在合成数据和真实数据上的一系列实验确认了该方法在实际平台上的适用性。除了提高平台的长期盈利能力外，我们还提出了通过受控探索与开发机制维持短期利润的办法。
引用
@article{arxiv.2502.01867,
title = {Optimizing Online Advertising with Multi-Armed Bandits: Mitigating the Cold Start Problem under Auction Dynamics},
author = {Anastasiia Soboleva and Andrey Pudovikov and Roman Snetkov and Alina Babenko and Egor Samosvat and Yuriy Dorn},
journal= {arXiv preprint arXiv:2502.01867},
year = {2025}
}