リアルタイム入札広告のための深層景観予測

この記事では、オンライン広告におけるリアルタイムオークションの台頭に伴い、市場競争のモデル化、すなわち入札景観の予測に焦点を当てています。特に、各広告オークションの市場価格の確率分布を予測する問題を提起しています。二次価格オークションメカニズムによる検閲問題を念頭に、著者たちは生存分析を取り入れながら入札景観予測に取り組んできましたが、従来の方法は主にサンプルクラスタの統計的分析や分布形状に基づく仮定モデルに依存しています。本研究では、深層学習と生存分析を組み合わせた「Deep Landscape Forecasting（DLF）」モデルを提案し、条件付き勝率を柔軟にモデル化するためにリカレントニューラルネットワークを利用しています。実験では、実世界の大規模データセットを用いて、提案モデルが従来の最先端技術を大きく上回る性能を示したことが確認されています。