PDF《一种基于多 Age nt系统的在线广告竞价模型》

1 ) 其中:

1 )T为拍卖协商双方参与者的集合. 包括买方 M

1 和卖方 M 2, 即广告主、 卖方和买方中介, 以及互联网媒 体商.

2 )G为互联网媒体商所提供的竞拍标的集合. 即广告位和人群标的.

3 )O为竞价前的 A P所属关系.表明每个 A P在 竞价前属于哪个互联网媒体商, 表示形式为 G→ M 2.

4 )S 为相似度集合.每个 A P拍卖前, 需计算其 与每个广告主需求的相似度.即g ∈ G , m∈ M 1, 所 有的 A P和广告主需求的相似度集合S={Sgm|S(g*m )=S g m}.

5 )R为拍卖协商结果集合.包括每个 A P最后的 交易成功者和交易价格, 表示形式为 G→ M

1 ( c )| M

2 (

0 ).交易的结果有两种, 交易成功时 A P所属关 系发生改变, A P由卖方转为买方, c 表示交易价格;

交第2期 张文明等: 一种基于多 A g e n t 系统的在线广告竞价模型

1 3

5 易未成功时 A P所属关系不变, 交易价格默认为

0 .

6 )P为回合制拍卖协商规则. 本文使用有限状态 机来定 义,记拍卖协商过程中的所有状态集合为Status,包括开始状态 S s _ s t a r t 、 中间状态 S b _ m i d和Ss_mid、结束状态 S t i m e o u t 和Ssuccess,即Status={ S s _ s t a r t , S b _ m i d , S s _ m i d , S t i m e o u t , S s u c c e s s } . S t a t u s 中定义的 A g e n t 可采取的通信动 作原语分为四种, 分别为 S t a r t ( 开始) , A c c e p t ( 接受) , R e f u s e ( 拒绝) 和Timeout(超时失败) .每个 A g e n t 的 后继状态和采取的动作由当前状态和输入决定.

7 )K为模型知识库.主要包含模型参数, 卖方和 买方的知识: (

1 )可以调节的模型参数.如, 相似度控制的阈 值θ等, 针对不同的应用场合需设定不同的参数. (

2 )买卖双方知识.买方知识库保存买方关于其 它买方的出价概率分布( 信念) , 卖方知识库保存卖方 关于其他卖方的出价概率分布( 信念) , 双方在每回合 出价中都会更新信念, 即每回合的出价是基于当前知 识.双方的出价策略均是采用贝叶斯博弈的方式, 使 用泛化的 F P ( F i c t i t i o u s p l a y ) 算法, 算法思想是在买卖 双方当前回合的出价概率分布基础上, 通过计算回合 最优反应出价函数得到回合最优出价, 并且更新下一 回合 F P信念.

8 )U是期望效用函数.对于卖方和买方 A g e n t 都 存在一个期望效用函数, 如式(

6 ) 所示, 它们出价的目 的都是为了使得期望效用最大.

9 )H是拍卖协商交易历史信息的集合.拍卖历 史集合保存了每次拍卖协商的交易结果, 包括买卖双 方的出价、 组合的数量和最终交易状态( 原语 T i m e o u t 和Accept).10)C是模型限制条件的集合.限制条件为协商 的最长交易时间.

1 .

1 相似度计算与阈值调控 S M O B M模型应用于在线广告拍卖这一具体场景, 其中需要计算需求与资源的相似度.而在线广告中的 受众用户信息与广告投放需求之间的相似度由其属性 值的相似程度计算得来, 本文模型采用相似系统理 论[

7 -

9 ] 来计算, 将广告位的受众用户信息和广告主的 投放需求人群信息看作两个相似系统, 具体的属性要 素如地域、 性别、 年龄段和兴趣类别.在相似度的计算 中, 记某个广告位的受众用户信息为 A , 某位广告主的 投放需求人群为 B , A和 B之间的相似属性个数为 n , 对于不同类型的属性其相似度计算方法也不同. (