LACRM：法学硕士引导的电子商务广告中定向广告商竞争关系的挖掘

arXiv:2610.13959v1 公告类型：新 摘要：在电子商务广告中，广告平台在做出优化决策时通常无法对广告主之间的外部性进行建模：广告主的实际绩效很大程度上取决于竞争对手对相同用户的竞争；这些竞争对手通常经营重叠的产品类别和类似的预算规模。然而，将这种竞争捕获为明确的、可重复使用的信号具有挑战性，因为它是定向的、多方面的且部分可观察的。交互图、分类规则和单嵌入模型等现有范例并没有完全捕获这些属性。在本文中，我们提出了 LACRM（LLM 驱动的广告商竞争关系挖掘），这是一种新颖的框架，通过三阶段管道构建具有连续边缘强度的有向竞争图。 LACRM 通过 LLM 驱动的角色分离分析超越了对称相似性，这使得非对称多路径检索能够发现已实现的和潜在的竞争对手。该框架进一步结合了与时间拍卖行为相一致的列表学习排名，以准确地模拟定向竞争强度。在工业基准的离线检索实验中，LACRM 优于强定向 GNN 基线和消融变体。多法学硕士和人类研究提供了补充证据，表明恢复的潜在竞争对手反映了有意义的市场竞争，而不仅仅是模型生成的产物。在生产A/B测试中，LACRM引导的竞价和激励分配分别使广告收入增加了1.73%和1.14%。结果证明了大规模广告系统中显式竞争建模的实用价值。