第条 在上共享 在线拍卖中的在线学习 作者: Avrim Blum公司 宾夕法尼亚州匹兹堡卡内基梅隆大学 宾夕法尼亚州匹兹堡卡内基梅隆大学查看个人资料 , 维杰·库马尔 Amazon.com,西雅图,华盛顿州 Amazon.com,西雅图,华盛顿州查看个人资料 , 中庭Rudra 德克萨斯大学奥斯汀分校 德克萨斯大学奥斯汀分校查看个人资料 , 菲利克斯·吴 加州大学伯克利分校 加州大学伯克利分校查看个人资料 作者信息和声明 SODA'03:第十四届ACM-SIAM离散算法年度研讨会论文集2003年1月第202-204页出版:2003年1月12日出版历史 SODA’03:第十四届ACM-SIAM离散算法年会论文集在线拍卖中的在线学习第202-204页 上一个第章下一步第章 参考文献参考资料不可用 引用人查看全部 索引术语 在线拍卖中的在线学习应用计算电子商务计算方法机器学习 建议 在线拍卖中的在线学习特刊:记忆中的在线算法,Steve Seiden 我们考虑在线拍卖中的收益最大化问题,即收到投标并逐一处理的拍卖。在本文中,我们证明了在线学习的结果可以有效地应用于这一背景下,并且我们。。。阅读更多信息在线拍卖设计:代理与非代理设置 近年来,网上拍卖发展迅速。目前,一些在线拍卖,如eBay,引入了代理竞标政策,根据该政策,竞标者提交其最高出价,并委托代理自动出价高于。。。阅读更多信息在线广告外部性的表达性拍卖WWW’10:第19届万维网国际会议记录 当在线广告一起展示时,它们会争夺用户的注意力和转化率,相互施加负面外部效应。虽然在赞助搜索中争夺用户注意力的竞争可以通过点击率模型来捕捉,但帖子。。。阅读更多信息 评论 审核人:巴雷特黑泽尔汀 在线拍卖的性能可以通过从已经进行的一组出价中学习的算法来提高。在线拍卖会收到出价,然后逐一处理,决定是接受出价还是等待更高的出价。本文设置了学习算法的性能界限,并表明,对于中等长度的拍卖,该算法的性能优于现有算法。证明使用形式数学,这很难总结。本文的特色可以通过简化一个结果来体现:对于任何函数f(h)=o(h log log h),其中h是最高出价与最低出价之间的比率,如果出价顺序大于或等于f(h。这篇论文似乎是针对那些数学倾向的人,而不是专注于算法的机制。 访问计算机文献的批评性评论在这里成为评论员计算评论。 评论 Please enable JavaScript to view thecomments powered by Disqus. 登录选项请检查您是否可以通过登录凭据或您的机构访问此文章以获得完全访问权限。登录完全访问权限获取此出版物 信息贡献者发布于 SODA’03:第十四届ACM-SIAM离散算法年会论文集2003年1月891页国际标准图书编号:0898715385 赞助商合作中出版商工业与应用数学学会美国 出版历史 出版:2003年1月12日 检查更新 限定符第条会议 接受率总体验收率411属于1,322提交文件,31% 资金来源 其他指标查看文章指标文献计量学引文32文章指标32引文总数查看引文780总下载次数下载次数(过去12个月)1下载次数(最近6周)0其他指标查看作者指标引用人查看全部PDF格式以PDF文件查看或下载。PDF格式电子阅读器使用eReader联机查看。电子阅读器数字版以数字版本查看这篇文章。查看数字版数字其他共享此出版物链接https://dl.acm.org/doi/10.5555/644108.644143复制链接在社交媒体上分享 在上共享 0参考文献