知你所想：面向在线广告的广告策略推荐系统
信息检索
2021-06-15 v3 机器学习
摘要
广告支出已成为电商平台的主要收入来源。通过减少广告主在探索最优广告策略时的试错成本，为其提供良好的广告体验，对在线广告的长期繁荣至关重要。为实现这一目标，广告平台需要识别广告主的优化目标，并推荐相应策略以达成目标。本工作中，我们首先在淘宝展示广告平台上部署了策略推荐系统的原型，其确实提升了广告主效果与平台收益，表明策略推荐对在线广告的有效性。我们进一步增强了该原型系统，通过显式学习广告主对各类广告效果指标的偏好，并经由其对不同推荐广告策略的采纳来学习优化目标。我们使用上下文_bandit（contextual bandit）算法高效学习广告主偏好并同时最大化推荐采纳率。基于淘宝在线竞价数据的仿真实验表明，所设计算法能有效优化广告主的策略采纳率。
引用
@article{arxiv.2105.14188,
title = {We Know What You Want: An Advertising Strategy Recommender System for Online Advertising},
author = {Liyi Guo and Junqi Jin and Haoqi Zhang and Zhenzhe Zheng and Zhiye Yang and Zhizhuang Xing and Fei Pan and Lvyin Niu and Fan Wu and Haiyang Xu and Chuan Yu and Yuning Jiang and Xiaoqiang Zhu},
journal= {arXiv preprint arXiv:2105.14188},
year = {2021}
}