文献

J-GLOBAL ID：201902214665201542   整理番号：19A2876044

ディスプレイ広告におけるリアルタイム入札のためのモデルフリー強化学習に基づく知的入札戦略【JST・京大機械翻訳】

An Intelligent Bidding Strategy Based on Model-Free Reinforcement Learning for Real-Time Bidding in Display Advertising

著者 (6件)： Liu Mengjuan (University of Electronic Science and Technology of China) ,  Li Jiaxing (University of Electronic Science and Technology of China) ,  Yue Wei (University of Electronic Science and Technology of China) ,  Qiu Lizhou (University of Electronic Science and Technology of China) ,  Liu Jinyu (University of Electronic Science and Technology of China) ,  Qin Zhiguang (University of Electronic Science and Technology of China)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2019  号： CBD  ページ： 240-245  発行年： 2019年 
JST資料番号： W2441A  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： 近年,オンライン表示広告における最も重要なパラダイムはリアルタイム入札(RTB)である。それは,最大収入を得るためにリアルタイムオークションを通して個々のad印象を購入することを可能にする。しかしながら,既存の戦略は,通常,独立にad印象を入札し,全体的な供給期間中の全体的な収入に及ぼす各入札の影響を無視している。したがって,最近の研究は,RTBにおける最適入札戦略を学習するために,強化学習(RL)フレームワークを用いることが,即時および将来の報酬の両方に基づいていることを示唆している。本論文では,モデルフリー強化学習問題として予算制約入札を定式化し,そこでは,状態空間が印象の特徴パラメータとオークション情報によって提示され,一方,行動は入札価格を設定することである。収束問題に悩まされる以前の価値ベースのモデルフリーの研究と異なり,著者らは,政策勾配モデルを採用することによって,最適入札戦略を学習した。さらに,異なるオークション結果とユーザフィードバックに従って4つの報酬関数を設計し,最適化目的に沿って学習入札戦略をより多くした。実世界のデータセットに基づいて提案した入札戦略の性能を評価し,実験結果は最先端の方法に比べて優れた性能と高い効率を実証した。Copyright 2019 The Institute of Electrical and Electronics Engineers, Inc. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 最適化 ,  *広告 ,  定式化 ,  *強化学習 ,  *表示装置 ,  *学習
準シソーラス用語： 報酬関数 ,  ユーザフィードバック ,  特徴パラメータ ,  状態空間 ,  オークション ,  オンライン ,  *入札戦略 ,  実時間 , 【Automatic Indexing@JST】

分類 (2件)： 図形・画像処理一般  (JE04010I) ,  電力系統一般  (NB02000E)

タイトルに関連する用語 (7件)： ディスプレイ ,  広告 ,  リアルタイム ,  入札 ,  モデル ,  強化学習 ,  入札戦略