基于学习算法的预算控制分析
摘要：统一分配广告预算的自然学习算法的分析及适应不同广告销售平台条件的能力分析。广告主在需求侧面临一个基本的技术挑战，即如何自动化竞价以便将预算分配到给定的广告活动中，同时要考虑潜在的、可能动态变化的成本函数。这种自动化计算必须在运行时完成，意味着在高频率拍卖中必须保持低计算成本。广告主还需要尽可能地消耗掉他们的子区间（按小时或分钟计）预算，以便在长期内符合预算配额。为了解决这个挑战，我们研究了一个简单的学习算法，该算法能够适应市场的潜在成本函数，并学习在总广告活动时间的一个小部分时间内的最佳平均竞价值，从而实现实时平滑地分配预算。我们证明了我们的算法对于拍卖机制的变化是稳健的，并且能够快速收敛到稳定的平均竞价策略。该算法不仅能够保证预算几乎完全消耗，还能够平滑地分配竞价，防止过早退出活动并失去在该时期后面可能具有利益的展示机会。除了理论保证，我们还通过在实际广告活动的开源数据上验证了我们的算法，进一步证明了我们提出的方法的有效性。
作者：MohammadTaghi Hajiaghayi and Max Springer
论文ID：2205.13330
分类：Computer Science and Game Theory
分类简称：cs.GT
提交时间：2022-11-14