丨目錄：

? ?· 背景

? ?· 問(wèn)題定義

? ? ·??Deep GSP

?? · 實(shí)驗(yàn)

?? · 與現(xiàn)有學(xué)術(shù)界和工業(yè)界類似方案的差異

?? · 展望

?? · 關(guān)于我們

?? · 參考文獻(xiàn)

??背景

廣告拍賣機(jī)制是對(duì)競(jìng)爭(zhēng)性資源的一種高效的市場(chǎng)化分配方式。電商廣告中的拍賣機(jī)制設(shè)計(jì)（Mechanism Design in Online E-commerce Advertising），旨在從平臺(tái)視角出發(fā)制定拍賣策略，通過(guò)“流量分配” 和“扣費(fèi)”兩個(gè)抓?，引導(dǎo)廣告主有序競(jìng)爭(zhēng)，并使得流量博弈趨向優(yōu)化廣告主、平臺(tái)、媒體多方利益。

信息流廣告全面進(jìn)入重用戶體驗(yàn)的時(shí)代，廣告分配機(jī)制也需要兼顧廣告主訴求、用戶體驗(yàn)、廣告消耗等多個(gè)目標(biāo)的影響，平臺(tái)機(jī)制不僅需要對(duì)收入負(fù)責(zé)，還需要對(duì)整個(gè)競(jìng)價(jià)系統(tǒng)的長(zhǎng)期健康穩(wěn)定負(fù)責(zé)。這一問(wèn)題不同于經(jīng)典的多目標(biāo)優(yōu)化問(wèn)題或拍賣機(jī)制問(wèn)題的研究：

• 動(dòng)態(tài)博弈環(huán)境下的目標(biāo)優(yōu)化。在線電商廣告系統(tǒng)中，不同利益方之間的優(yōu)化訴求可能存在沖突（例如平臺(tái)收入和用戶體驗(yàn)），且不同利益方均具有理性心智，在一個(gè)博弈環(huán)境下進(jìn)行動(dòng)態(tài)交互，這不同于傳統(tǒng)的靜態(tài)多目標(biāo)優(yōu)化問(wèn)題。

• 面向多目標(biāo)的拍賣機(jī)制設(shè)計(jì)。傳統(tǒng)的機(jī)制設(shè)計(jì)方法往往只考慮優(yōu)化平臺(tái)的收入或社會(huì)福利（social welfare，平臺(tái)收入和廣告主的預(yù)期收益），極少同時(shí)考慮其他多個(gè)指標(biāo)（例如點(diǎn)擊、轉(zhuǎn)化、收藏加購(gòu)、客戶體驗(yàn)等指標(biāo)）。

因此我們需要考慮在多利益方的動(dòng)態(tài)博弈場(chǎng)景下建模并優(yōu)化多個(gè)目標(biāo)。

??問(wèn)題定義

我們定義電商廣告場(chǎng)景下，多利益方（廣告主、用戶、平臺(tái)）博弈背景下的多訴求指標(biāo)優(yōu)化問(wèn)題（Multiple Stakeholders' Ad Performance Objectives Optimization in the Competitive E-commerce Advertising）：

402 Payment Required

其中表示要優(yōu)化的機(jī)制（即分配和扣費(fèi)規(guī)則）；代表各利益方的訴求指標(biāo)集合，如：平臺(tái)收入、點(diǎn)擊、轉(zhuǎn)化、收藏加購(gòu)、成交量等等，所有訴求指標(biāo)通過(guò)預(yù)先給定的重要性權(quán)重求得聚合目標(biāo)函數(shù)。同時(shí)，在優(yōu)化過(guò)程中需要滿足兩個(gè)關(guān)于機(jī)制屬性的約束：

• 博弈均衡約束（Game Equilibriium Contraints）：所有廣告主（競(jìng)價(jià)者）在當(dāng)前機(jī)制下能夠達(dá)到博弈均衡狀態(tài)，在當(dāng)前狀態(tài)下廣告主對(duì)分配結(jié)果感到滿意（即分配結(jié)果的改變不能使廣告主的收益變多）。在算法博弈論（Algorithmic Game Theory）領(lǐng)域，有一些和拍賣機(jī)制相關(guān)的博弈均衡概念。例如經(jīng)典的Myerson定理證明了：如果一個(gè)機(jī)制在單坑拍賣場(chǎng)景中是單調(diào)分配（Monotone Allocation），且扣費(fèi)為保持當(dāng)前分配下的最小出價(jià)（critical bid based pricing），那么這個(gè)機(jī)制是激勵(lì)兼容（Incentive-Compatible, IC）[1] 的：

THEOREM 1 (Single Slot Incencentive-Compatible)[1]. A single slot auction mechanism is ?incentive-compatible if and only if the allocation scheme is monotone, i.e., the winning bidder would still win the auction if she reports a higher bid, and the pricing rule is based on the critical bid, which is the minimum bid that the winning bidder needs to report to maintain the winning state:

402 Payment Required

402 Payment Required

而對(duì)于多坑拍賣（multi-slot auction），我們考慮對(duì)稱納什均衡（Symmetric Nash Equilibrium, SNE）[2]：

THEOREM 2 (Multi-Slot Symmetric Nash Equilibrium)[2] An auction mechanism satisfies symmetric Nash equilibrium (SNE) if and only if each bidder in this equilibrium prefer her current allocated slot to any other slot :

where is the inherent click-through rate of the slot .

它表示每個(gè)廣告主在平臺(tái)分配給的坑位下utility最大，不會(huì)嫉妒其他坑位。

• 機(jī)制的平滑切換約束（Smooth Transition Contraints）。在線廣告系統(tǒng)的動(dòng)態(tài)性很強(qiáng)，不同利益方在不同時(shí)刻的優(yōu)化訴求也不盡相同，當(dāng)機(jī)制從服務(wù)于一個(gè)目標(biāo)切換到另一目標(biāo)時(shí)，應(yīng)該保證各方利益指標(biāo)平穩(wěn)過(guò)渡，即機(jī)制的平滑切換。可以用如下公式表示：

其中表示一個(gè)benchmark機(jī)制，表示廣告主utility的一個(gè)下界，即機(jī)制在優(yōu)化過(guò)程中不應(yīng)低于這個(gè)下界。

解決這一問(wèn)題有兩個(gè)難點(diǎn)：（1）許多優(yōu)化訴求指標(biāo)難以精確估計(jì)（例如成交額、商品收藏加購(gòu)量等），無(wú)法得到精確的解析形式，只能通過(guò)真實(shí)反饋的方式才能獲得。此外，不同階段的優(yōu)化目標(biāo)可能不一樣（例如大促期間平臺(tái)機(jī)制更傾向于成交，而日常期間更傾向于消耗），如何以一種更靈活的優(yōu)化方式給予平臺(tái)機(jī)制更強(qiáng)的調(diào)控能力。（2）需要一種簡(jiǎn)潔的數(shù)學(xué)形式表達(dá)機(jī)制需要滿足的屬性（博弈均衡/平滑切換），并將其融入到機(jī)制的優(yōu)化過(guò)程中。對(duì)于傳統(tǒng)的GSP機(jī)制，盡管一些博弈論方面的理論工作已經(jīng)證明GSP在博弈均衡方面有較好的保障，但GSP僅能優(yōu)化平臺(tái)收入，無(wú)法對(duì)任意給定的多訴求指標(biāo)進(jìn)行優(yōu)化；而對(duì)于工業(yè)界比較常用的uGSP機(jī)制，其對(duì)各訴求指標(biāo)的預(yù)估值（例如pctr/pcvr等）較為依賴，很難根據(jù)流量波動(dòng)和預(yù)估不精準(zhǔn)做動(dòng)態(tài)調(diào)整，缺乏直接對(duì)標(biāo)終局效果的自適應(yīng)調(diào)控能力。

我們通過(guò)引入深度神經(jīng)網(wǎng)絡(luò)的參數(shù)化模型和基于后驗(yàn)真實(shí)反饋的端到端策略優(yōu)化來(lái)求解第一個(gè)問(wèn)題，通過(guò)傳統(tǒng)機(jī)制在博弈均衡性質(zhì)上的一些先驗(yàn)知識(shí)并融入到模型的損失函數(shù)來(lái)解決第二個(gè)難點(diǎn)。

??Deep GSP：面向多目標(biāo)優(yōu)化的工業(yè)界廣告智能拍賣機(jī)制

我們提出一種面向多目標(biāo)優(yōu)化的廣告智能拍賣機(jī)制Deep GSP（Deep GSP Mechanism）。Deep GSP在傳統(tǒng)GSP機(jī)制的基礎(chǔ)上通過(guò)引入深度神經(jīng)網(wǎng)絡(luò)來(lái)提升其分配能力，并通過(guò)強(qiáng)化學(xué)習(xí)朝著提升給定的多利益方目標(biāo)的方向直接優(yōu)化這一策略模型的參數(shù)；在扣費(fèi)上Deep GSP延續(xù)GSP的二價(jià)計(jì)費(fèi)，模型的優(yōu)化在滿足機(jī)制激勵(lì)兼容/機(jī)制平滑切換的條件下進(jìn)行。不同于GSP/uGSP等機(jī)制在計(jì)算rank score時(shí)嚴(yán)重依賴預(yù)估值，Deep GSP機(jī)制的優(yōu)化過(guò)程是基于真實(shí)反饋進(jìn)行的，因此也可以支撐任意定制目標(biāo)的優(yōu)化，是一種基于數(shù)據(jù)驅(qū)動(dòng)的學(xué)習(xí)方法。

機(jī)制設(shè)計(jì)

Deep GSP使用基于深度神經(jīng)網(wǎng)絡(luò)的rank score function代替?zhèn)鹘y(tǒng)GSP機(jī)制中的Ecpm排序。將廣告主出價(jià)、廣告特征、用戶信息、廣告主營(yíng)偏好等作為特征，映射到一個(gè)連續(xù)實(shí)數(shù)值空間，表示這一請(qǐng)求下這一廣告的rank score。我們用符號(hào)表示神經(jīng)網(wǎng)絡(luò)計(jì)算出的第個(gè)廣告的rank score。而如何將機(jī)制的desirable properties與深度學(xué)習(xí)模型的端到端訓(xùn)練進(jìn)行融合是Deep GSP的核心問(wèn)題：

博弈均衡約束（Game Equilibriium Contraints）

為了滿足機(jī)制的博弈均衡性，深度排序分函數(shù)應(yīng)該滿足在出價(jià)這一維特征上的單調(diào)性，即廣告主提升其出價(jià)不會(huì)拿到更差的流量分配結(jié)果；與此同時(shí)，其扣費(fèi)應(yīng)為拿到其分配結(jié)果所應(yīng)給出的最小報(bào)價(jià)（即最小扣費(fèi)原則）。這要求深度排序分函數(shù)同時(shí)具有單調(diào)性和可以求逆的特性，我們提出“單點(diǎn)單調(diào)損失”和“近似可逆扣費(fèi)”來(lái)實(shí)現(xiàn)：

（1）單點(diǎn)單調(diào)損失（Point-wise Monotonocity Loss，PML）

不失一般性，我們將深度排序分函數(shù)形式化如下，表示出價(jià)和深度模型輸出的乘積：

為了保證單調(diào)分配，在上的偏導(dǎo)數(shù)應(yīng)大于等于0，則可以設(shè)置單點(diǎn)單調(diào)損失函數(shù)如下：

402 Payment Required

該損失函數(shù)是一種基于數(shù)據(jù)驅(qū)動(dòng)的方法來(lái)計(jì)算單調(diào)性損失，即當(dāng)排序分函數(shù)的輸出在出價(jià)這一維特征的導(dǎo)數(shù)小于0時(shí)，在模型訓(xùn)練中施加一個(gè)懲罰。

（2）近似可逆扣費(fèi)（Approximate Inverse Operation, AIO）

可逆扣費(fèi)的計(jì)算可以近似如下：

在離線的實(shí)驗(yàn)中我們觀察到rankscore模型在加入PWL后其單調(diào)性可以基本得到保障（如下圖），近似扣費(fèi)解和離線計(jì)算的真實(shí)值之間的差異也較小（Table2中的PER值，表示近似值與二分查找計(jì)算出的真實(shí)值之間的比值）。

機(jī)制的平滑切換約束（Smooth Transition Contraints）

進(jìn)一步，在明確了模型的定義和博弈均衡約束的具體實(shí)現(xiàn)后，我們?cè)O(shè)計(jì)具體的模型優(yōu)化方法，并將平滑切換的機(jī)制特性作為約束融入其中。由于真實(shí)反饋信號(hào)的鏈路很長(zhǎng)且不可解析（比如收藏加購(gòu)量、成交量等），而預(yù)估模型也往往存在估計(jì)偏差（例如點(diǎn)擊率、轉(zhuǎn)化率預(yù)估模型），我們將Deep GSP的深度排序分模型的優(yōu)化建模成一個(gè)決策問(wèn)題，并使用基于真實(shí)反饋的model-free RL進(jìn)行優(yōu)化。排序分策略的狀態(tài)即上文介紹過(guò)的輸入特征；動(dòng)作為排序分?jǐn)?shù)。獎(jiǎng)賞函數(shù)包含兩部分：一部分為優(yōu)化目標(biāo)，即加權(quán)聚合的多訴求指標(biāo)；另一部分通過(guò)使用多目標(biāo)優(yōu)化中常用的技術(shù)來(lái)衡量機(jī)制改變后對(duì)廣告主utility的波動(dòng)，從而實(shí)現(xiàn)平滑切換：

402 Payment Required

機(jī)制實(shí)現(xiàn)

如前面介紹，在真實(shí)電商廣告的場(chǎng)景中，許多優(yōu)化訴求指標(biāo)難以得到精確的可解析形式（例如商品收藏加購(gòu)量等），且只能通過(guò)真實(shí)反饋的方式才能獲得。這一特點(diǎn)與強(qiáng)化學(xué)習(xí)中的探索過(guò)程比較類似，因此我們將機(jī)制分配模型的學(xué)習(xí)建模成一個(gè)策略學(xué)習(xí)問(wèn)題（Policy Optimization），并使用深度強(qiáng)化學(xué)習(xí)來(lái)優(yōu)化其參數(shù)。我們定義這一決策問(wèn)題的幾個(gè)要素：

• 狀態(tài)：廣告主對(duì)流量的出價(jià)、廣告特征（類別、點(diǎn)擊率預(yù)估值、轉(zhuǎn)化率預(yù)估值等）、用戶特征（性別、年齡、收入等）以及廣告主信息（預(yù)算、營(yíng)銷傾向等）以及一些其他上下文信息（場(chǎng)景、session內(nèi)全局統(tǒng)計(jì)信息等等）。

• 動(dòng)作：每個(gè)廣告的rankscore。

• 獎(jiǎng)勵(lì)：每個(gè)廣告在場(chǎng)景中曝光后的多目標(biāo)加權(quán)聚合值（需經(jīng)過(guò)量綱統(tǒng)一處理）。

• 狀態(tài)轉(zhuǎn)移：在當(dāng)前的版本下，Deep GSP暫時(shí)不考慮機(jī)制分配策略的長(zhǎng)期價(jià)值（即episode_length=1），當(dāng)然這是未來(lái)值得探索的一個(gè)方向。

我們使用深度強(qiáng)化學(xué)習(xí)中一種經(jīng)典的連續(xù)控制學(xué)習(xí)算法，深度確定性策略梯度（Deep Deterministic Policy Gradient）來(lái)實(shí)現(xiàn)模型優(yōu)化。具體地，設(shè)計(jì)一個(gè)值函數(shù)（）和一個(gè)策略函數(shù)（），策略函數(shù)（）即要優(yōu)化的深度rankscore模型，值函數(shù)（）來(lái)評(píng)估一組 [狀態(tài),動(dòng)作] 對(duì)的價(jià)值（使用獎(jiǎng)勵(lì)函數(shù)擬合），并通過(guò)路徑梯度求導(dǎo)來(lái)指導(dǎo)策略函數(shù)的訓(xùn)練。兩個(gè)模型的具體優(yōu)化方法如下：

402 Payment Required

整個(gè)Deep GSP的訓(xùn)練流程與真實(shí)反饋的交互過(guò)程如下圖所示：

? Deep GSP機(jī)制在部署后的執(zhí)行流程如下：

• 分配：候選廣告集合中的所有廣告根據(jù)網(wǎng)絡(luò)輸出的rankscore進(jìn)行排序（倒排），排在前位（即具體場(chǎng)景中需要展現(xiàn)的廣告數(shù)量）的廣告勝出并展現(xiàn)。

• 扣費(fèi)：每一個(gè)勝出廣告根據(jù)其下一位廣告的排序分通過(guò)深度打分函數(shù)求逆（即近似可逆扣費(fèi)方案）計(jì)算其相應(yīng)的扣費(fèi)。

Deep GSP能夠根據(jù)真實(shí)的多目標(biāo)反饋信號(hào)進(jìn)行端到端的優(yōu)化，克服訴求指標(biāo)難以建模預(yù)估的不足，而且對(duì)真實(shí)在線廣告系統(tǒng)的動(dòng)態(tài)波動(dòng)具有較好的魯棒性。

??實(shí)驗(yàn)

多目標(biāo)優(yōu)化能力&機(jī)制性質(zhì)保證

為了能夠充分驗(yàn)證Deep GSP在優(yōu)化多目標(biāo)上的表現(xiàn)，以及機(jī)制內(nèi)在機(jī)理，我們?cè)陔x線設(shè)計(jì)實(shí)驗(yàn)對(duì)這些進(jìn)行充分的分析。

首先在離線側(cè)我們基于XRL強(qiáng)化學(xué)習(xí)平臺(tái)搭建了一個(gè)模擬器，并利用點(diǎn)擊率、轉(zhuǎn)化率、收藏加購(gòu)率等指標(biāo)的分場(chǎng)景校準(zhǔn)值來(lái)模擬真實(shí)反饋。下圖分別展示了四項(xiàng)實(shí)驗(yàn)的優(yōu)化指標(biāo)對(duì)比：RPM/CTR、RPM/ACR、RPM/CVR、RPM/GPM。我們發(fā)現(xiàn)相比于GSP和uGSP，Deep GSP能在各個(gè)指標(biāo)上優(yōu)化的更充分，尤其是在其他指標(biāo)持平的情況下能夠顯著提升收入，體現(xiàn)出了深度模型的優(yōu)化能力。

下表展示了在不同優(yōu)化訴求場(chǎng)景下的有關(guān)博弈均衡設(shè)計(jì)的指標(biāo)。其中單調(diào)性指標(biāo)（表示rank score排序與其對(duì)應(yīng)的bid在排序上的一致性，使用spearman相關(guān)系數(shù)計(jì)算來(lái)實(shí)現(xiàn)）、扣費(fèi)時(shí)引入的逆計(jì)算誤差指標(biāo)（表示近似扣費(fèi)與離線通過(guò)二分搜索計(jì)算出的真實(shí)扣費(fèi)之間的比值）均與理想值1較為接近，證明了PML和AIO的誤差較小。Table 2中最后一列IC表示通過(guò)拍賣日志數(shù)據(jù)離線計(jì)算出的激勵(lì)兼容指標(biāo)（Data-driven IC [3]），其值越接近于1表示機(jī)制越趨近于激勵(lì)兼容。

最后我們驗(yàn)證了機(jī)制的“平滑切換”功能。下圖展示了當(dāng)機(jī)制目標(biāo)從“CTR”切換至“RPM”時(shí)，廣告主Utility的變化，可以發(fā)現(xiàn)廣告主效果會(huì)隨著參數(shù)的提升呈緩慢下降趨勢(shì)，而非劇烈震蕩。

??與現(xiàn)有學(xué)術(shù)界和工業(yè)界類似方案的差異

在學(xué)術(shù)界已有一些研究工作focus在深度學(xué)習(xí)和機(jī)制設(shè)計(jì)的結(jié)合。例如ICML19中的工作 [4]提出了端到端的分配網(wǎng)絡(luò)和計(jì)費(fèi)網(wǎng)絡(luò)RegretNet，并將機(jī)制的IC約束融入到網(wǎng)絡(luò)結(jié)構(gòu)的設(shè)計(jì)或優(yōu)化的loss當(dāng)中。RMD用提出了基于強(qiáng)化學(xué)習(xí)的拍賣機(jī)制來(lái)優(yōu)化收入等。但這其中大部分的研究還是在經(jīng)典拍賣場(chǎng)景中，其數(shù)據(jù)來(lái)自于模擬的bidder value distribution，和真實(shí)廣告拍賣場(chǎng)景中的數(shù)據(jù)分布差異較大。在優(yōu)化多方利益這個(gè)問(wèn)題上，現(xiàn)在工業(yè)界也有一些通過(guò)業(yè)務(wù)經(jīng)驗(yàn)事先設(shè)定排序公式，并通過(guò)深度學(xué)習(xí)（或強(qiáng)化學(xué)習(xí)）來(lái)預(yù)測(cè)（或優(yōu)化）每條流量中的參數(shù)，得到流量維度的“個(gè)性化排序公式”，以實(shí)現(xiàn)在不同的流量?jī)?yōu)化不同的指標(biāo)，并做到所有流量指標(biāo)的提升，上述的算法在各自的業(yè)務(wù)中都取得了顯著的效果提升。

從技術(shù)本質(zhì)上來(lái)看，這些工作都是因?yàn)樵趶V告場(chǎng)景中，多方利益需要協(xié)同優(yōu)化，實(shí)際場(chǎng)景復(fù)雜，傳統(tǒng)的GSP/UGSP拍賣機(jī)制已無(wú)法更好的實(shí)現(xiàn)動(dòng)態(tài)博弈場(chǎng)景下的效果最優(yōu)，進(jìn)而尋求一種新的拍賣機(jī)制來(lái)解決解決工業(yè)場(chǎng)景上面向真實(shí)效果優(yōu)化。但拍賣機(jī)制的設(shè)計(jì)不是單純的優(yōu)化問(wèn)題，還需要考慮廣告主的理性行為，即因?yàn)闄C(jī)制的變化而導(dǎo)致廣告主策略行為的變化，并可能進(jìn)一步導(dǎo)致優(yōu)化效果的變化。個(gè)性化排序公式是解決這個(gè)問(wèn)題的一個(gè)途徑，在拍賣機(jī)制設(shè)計(jì)上可以沿用GSP框架從而省去對(duì)機(jī)制性質(zhì)的深究。但同時(shí)這種實(shí)現(xiàn)方式由于事先確定了分配函數(shù)的參數(shù)化形式，使得其在擴(kuò)充特征空間或優(yōu)化更多樣目標(biāo)時(shí)可能受到可擴(kuò)展性的限制。Deep GSP正是在這樣的背景下，從拍賣機(jī)制設(shè)計(jì)的本質(zhì)出發(fā)，將模型學(xué)習(xí)和拍賣機(jī)制深度融合，建模多利益方的“動(dòng)態(tài)博弈”場(chǎng)景，并面向后驗(yàn)任意多目標(biāo)來(lái)進(jìn)行優(yōu)化，同時(shí)將機(jī)制性質(zhì)融合在神經(jīng)網(wǎng)絡(luò)的優(yōu)化過(guò)程中，充分釋放模型優(yōu)化多目標(biāo)的能力。Deep GSP相關(guān)工作論文發(fā)表在WSDM 2021，感興趣同學(xué)也可以查閱原文了解更多。

論文下載：https://arxiv.org/abs/2012.02930

??展望

Deep GSP是阿里媽媽展示廣告機(jī)制策略團(tuán)隊(duì)將“拍賣機(jī)制”與“端到端學(xué)習(xí)”結(jié)合的一次嘗試，在后續(xù)的工作中，我們也在繼續(xù)“模型算法優(yōu)化+機(jī)制博弈約束”這種“一體兩面”的研究思路，在算法設(shè)計(jì)方面提高建模能力和優(yōu)化能力；在理論方面，研究learning-based機(jī)制的激勵(lì)兼容性，探究如何將其更好的融入算法設(shè)計(jì)中，并進(jìn)一步嘗試在機(jī)制的可解釋性上有所突破。

??關(guān)于我們

我們是阿里媽媽展示廣告機(jī)制策略算法團(tuán)隊(duì)，致力于不斷優(yōu)化阿里展示廣告技術(shù)體系，驅(qū)動(dòng)業(yè)務(wù)增長(zhǎng)，推動(dòng)技術(shù)持續(xù)創(chuàng)新；我們不斷升級(jí)工程架構(gòu)以支撐阿里媽媽展示廣告業(yè)務(wù)穩(wěn)健&高效迭代，深挖商業(yè)化價(jià)值并優(yōu)化廣告主投放效果，孵化創(chuàng)新產(chǎn)品和創(chuàng)新商業(yè)化模式，優(yōu)化廣告生態(tài)健壯性；我們驅(qū)動(dòng)機(jī)制升級(jí)，并已邁入 Deep Learning for Mechanisms 時(shí)代，團(tuán)隊(duì)創(chuàng)新工作發(fā)表于 KDD、WWW、ICML、CIKM、WSDM、AAMAS、AAAI 等領(lǐng)域知名會(huì)議。在此真誠(chéng)歡迎有ML背景的同學(xué)加入我們！

投遞簡(jiǎn)歷郵箱（請(qǐng)注明-展示廣告機(jī)制策略）：

alimama_tech@service.alibaba.com

參考文獻(xiàn)：

[1] Myerson, R. B. (1981). Optimal auction design.?Mathematics of operations research,?6(1), 58-73.

[2] Varian, H. R. (2007). Position auctions.?international Journal of industrial Organization,?25(6), 1163-1178.

[3] Yuan Deng, Sébastien Lahaie, Vahab Mirrokni, and Song Zuo. 2020. A data-driven metric of incentive compatibility. In Proceedings of The Web Conference 2020. 1796–1806.

[4] Dütting, P., Feng, Z., Narasimhan, H., Parkes, D., & Ravindranath, S. S. (2019, May). Optimal auctions through deep learning. In?International Conference on Machine Learning?(pp. 1706-1715). PMLR.

[5] Tacchetti, A., Strouse, D. J., Garnelo, M., Graepel, T., & Bachrach, Y. (2019). A neural architecture for designing truthful and efficient auctions.?arXiv preprint arXiv:1907.05181.

[6] Shen, W., Tang, P., & Zuo, S. (2019, May). Automated mechanism design via neural networks. In?Proceedings of the 18th International Conference on Autonomous Agents and Multiagent Systems?(pp. 215-223).

END

也許你還想看

丨KDD2021 | USCB:展示廣告約束出價(jià)問(wèn)題的通用解決方案

丨KDD 2021 | Neural Auction: 電商廣告中的端到端機(jī)制優(yōu)化方法

丨WSDM 2022 | 一種用于在線廣告自動(dòng)競(jìng)價(jià)的協(xié)作競(jìng)爭(zhēng)多智能體框架

歡迎關(guān)注「阿里媽媽技術(shù)」，了解更多~

瘋狂暗示↓↓↓↓↓↓↓

總結(jié)

以上是生活随笔為你收集整理的Deep GSP ： 面向多目标优化的工业界广告智能拍卖机制的全部?jī)?nèi)容，希望文章能夠幫你解決所遇到的問(wèn)題。

如果覺(jué)得生活随笔網(wǎng)站內(nèi)容還不錯(cuò)，歡迎將生活随笔推薦給好友。