网络广告拍卖的博弈理论和计算方法研究

Our project “Game Theoretical Analysis and computational methodologies for Internet Advertisement Auction Protocols", studies the rapid development of multi-platform Internet advertisement markets and novel forms of Internet advertisement. We focus on the challenge of mechanism design and computation theory triggered by industrial Internet innovation. We explore the value distribution methodology and data basis of Internet advertising. We analyze the choice of mechanism on Internet advertisement platforms, dynamics and applications to start-up platforms. Meanwhile, we focus on how to make optimal auction decisions while facing online advertisement opportunities. Finally, we make a case study of the work to verify the theoretic analysis..By designing solutions of aforementioned research problems, we can make progress on the development of value distribution methodologies on Internet advertisement auctions, competing methodologies on multi-platform Internet advertisement markets, and real-time optimal auction design theory. Our final goal is to set up a complete solution for implementing algorithmic game theory, computation theory and data methodology, while establishing a systematic methodology for Internet advertisement auction markets, making significant influence on Internet advertisement in practice.

本项目“网络广告拍卖的博弈理论和计算方法研究”，针对互联网广告拍卖平台和新型网络广告大量产生的趋势，着眼于互联网广告产业创新对拍卖机制及计算理论的挑战，探讨网络广告价值分布方法论及数据基础；分析网络广告单平台和多平台不同竞争下的机制选择和动态均衡；研究如何在稍纵即逝的广告投放机会面前实现在线最优决策并设计现实环境测试手段以验证理性分析的有效性。.本项目期望解决上述问题，推进网络广告拍卖的价值分布计算理论、多平台网络广告市场博弈理论和最优拍卖实时计算理论的发展，最终实现算法博弈论、计算理论及数据方法的整体解决方案，得到网络广告拍卖市场一个系统化的研究方法论并对网络广告的实践起到重要影响。

本项目的主要研究内容包括三个方向，分别是网络广告价值分布的市场发现和学习发现、网络广告拍卖的竞争及动态演化以及网络广告的在线最优拍卖机制和实时计算设计。.本项目的研究成果按照三个研究方向分别整理。在第一个方向上，项目在真实数据的基础之上将统计学习理论和最优拍卖理论进行结合，建立了价值学习和拍卖机制相结合的网络广告重复拍卖的博弈计算理论，并应用分析了已有拍卖机制之间在收益和社会福利上的关联。.在第二个方向上，项目将上述理论学习的思路结合机器学习技术建立了网络广告优化设计的移动网络人群动态模型，分析了网络广告排序数据与用户行为，以数据推动方法论对拍卖平台的收益和社会福利进行了优化。项目将高速计算和平行计算结合在一起对推荐算法进行快速实现，并以基于数据的方式合作完成信息去噪。.在第三个方向上，项目建立了网络广告在线快速计算理论框架，并提出了新型的、针对短视频平台的广告竞价机制模型；同时，通过多种技术显著提升了各类推荐系统的性能和准确率，为公平定价提供了基础。项目将实现最优收益的理论方法与离线训练和在线查询的机器学习方法相结合，使得快速实时决策计算技术可以实现。