Intégration de Publish/Subscribe avec Top-k dans le système Real-Time Bidding

Slimani, Sonia (2020). Intégration de Publish/Subscribe avec Top-k dans le système Real-Time Bidding. Mémoire de maîtrise électronique, Montréal, École de technologie supérieure.

Prévisualisation	PDF Télécharger (5MB) | Prévisualisation
Prévisualisation	PDF Télécharger (853kB) | Prévisualisation

Résumé

Le système d’enchère en temps réel ou Real-Time Bidding (RTB) a connu récemment une croissance massive dans le marché du marketing en ligne. Les technologies RTB permettent à Ad Exchange (AdX) de mener des enchères en ligne afin de vendre des espaces publicitaires ciblés en sollicitant des offres auprès d’acheteurs potentiels, appelés Demand-Side Platforms (DSPs).

Dans OpenRTB, une spécification des protocoles et normes bien connue de RTB, AdX diffuse les demandes d’offres à tous les DSPs pour chaque enchère. Ce protocole de communication n’est pas très efficace, car pour chaque enchère seulement un nombre limité de DSPs soumet réellement des réponses non vides et compétitives à AdX. L’échange de requêtes d’enchères non pertinentes et des offres non compétitives gaspille des ressources de calcul et de communication importantes.

Dans ce mémoire, nous proposons d’intégrer un modèle Publish/Subscribe (Pub/Sub) avec filtrage Top-k dans RTB. En particulier, nous utilisons un système Pub/Sub basé sur le contenu afin d’exprimer les intérêts des DSPs, ce qui permet une diffusion sélective des requêtes d’enchères pour éliminer les réponses vides.

Nous formulons également le problème d’optimisation du nombre de réponses aux enchères et nous proposons de combiner le filtrage Top-k avec l’analyse de régression des variables continues comme solution heuristique pour réduire davantage le nombre de réponses non compétitives. Nous adoptons également des modèles discrets pour une exécution plus rapide.

Enfin, nous évaluons nos deux solutions proposées par rapport à l’approche de base OpenRTB en termes de temps total de traitement, prix payé à la fin d’enchère et efficacité.

Titre traduit

Integration of Publish/Subscribe with Top-k filtering in Real-Time Bidding

Résumé traduit

Real-Time Bidding (RTB) advertising has recently experienced a massive growth in the industry of online marketing. RTB technologies allow an Ad Exchange (AdX) to conduct online auctions in order to sell targeted ad impressions by soliciting bids from potential buyers, called Demand-Side Platforms (DSPs).

In the OpenRTB specifications, which is a well-known open standard protocol for RTB, the AdX sends bid requests to all DSPs for every auction. This communication protocol is highly inefficient since for each given auction, only a small fraction of DSPs will actually submit a competitive bid to the AdX. The exchange of bid requests to uninterested parties waste valuable computation and communication resources.

In this thesis, we propose to leverage publish/subscribe to optimize the auction protocol used in RTB. In particular, we demonstrate how RTB semantics can be expressed using content-based subscriptions, which allows for selective dissemination of bid requests in order to eliminate no-bid responses.

We also formulate the problem of minimizing the number of bid responses per auction, and propose combining Top-k scoring with regression analysis with continuous variables as a heuristic solution to further reduce the number of irrelevant responses. We then adapt our solution by considering discrete machine learning models for faster execution.

Finally, we evaluate our proposed solutions against the OpenRTB baseline implementation in terms of end-to-end latency and total paid price over time efficiency.

Type de document:	Mémoire ou thèse (Mémoire de maîtrise électronique)
Renseignements supplémentaires:	"Mémoire présenté à l'École de technologie supérieure comme exigence partielle à l'obtention de la maîtrise avec mémoire en génie logiciel". Comprend des références bibliographiques (pages 103-106).
Mots-clés libres:	Real time bidding, publicité en ligne, Publish/Subscribe basé sur le contenu, filtrage Top-k, apprentissage automatique
Directeur de mémoire/thèse:	Directeur de mémoire/thèse Zhang, Kaiwen
Programme:	Maîtrise en ingénierie > Génie
Date de dépôt:	06 nov. 2020 20:32
Dernière modification:	06 nov. 2020 20:32
URI:	https://espace.etsmtl.ca/id/eprint/2558

Gestion Actions (Identification requise)

Dernière vérification avant le dépôt