用于实时竞价中随机控制的循环神经网络
机器学习
2020-06-15 v1 人工智能
计算机科学与博弈论
摘要
实时竞价中的出价可能是一项困难的随机控制任务；尤其是在未达交付量会遭受严厉惩罚且市场非常不确定的情况下。目前大多数工作和实现都侧重于在合理预测市场的情况下最优地交付广告活动。实际实现具有反馈循环以调整并对抗预测误差，但据我们所知，没有实现使用市场风险模型并主动预测市场变化。在实践中解决此类随机控制问题实际上非常具有挑战性。本文提出了一种基于循环神经网络（RNN）架构的近似解决方案，该方案在生产环境中既有效又实用。RNN出价器会预留一切必要资源以避免未达到目标。当购买缺失的展示次数成本高于未达到目标的惩罚时，它也会故意未达到目标。
引用
@article{arxiv.2006.07042,
title = {Recurrent Neural Networks for Stochastic Control in Real-Time Bidding},
author = {Nicolas Grislain and Nicolas Perrin and Antoine Thabault},
journal= {arXiv preprint arXiv:2006.07042},
year = {2020}
}