시퀀스 서브모듈러 최적화와 온라인 광고 적용

초록

본 논문은 행동 순서와 각 행동의 지속시간을 고려한 목표 함수를 시퀀스‑서브모듈러와 시퀀스‑단조성으로 정의한다. 이러한 성질을 만족하면 단순 그리디 알고리즘이 최적해의 (1-1/e) 정도를 보장한다. 이를 온라인 광고 배분과 쿼리 재작성 두 문제에 적용해 각각 (1-1/e) 와 (1-1/e^{1-1/e}) 의 근사 비율을 얻는다.

상세 요약

논문은 먼저 기존의 집합‑기반 서브모듈러 개념을 시퀀스(행동 순서와 지속시간)로 확장한다. 정의에 따르면, 두 시퀀스 (A)와 (B)에 대해 (A)가 (B)의 앞부분이라면, (f(A!\cup!x)-f(A) \ge f(B!\cup!x)-f(B)) 가 성립한다. 여기서 (x)는 새로운 행동과 그 지속시간을 의미한다. 또한, 시퀀스‑비감소성은 어떤 행동을 추가해도 함수값이 감소하지 않음을 뜻한다. 이러한 두 성질을 만족하면, 그리디 알고리즘이 매 단계마다 현재 시퀀스에 가장 큰 한계이득을 주는 행동‑시간 쌍을 선택한다. 증명은 연속적인 마진 감소와 미분 가능한 연속시간 모델을 이용해, 전통적인 서브모듈러 그리디 분석을 시퀀스 상황에 그대로 옮긴다. 핵심은 마진 함수가 지수적 감소를 보이며, 전체 이득이 (1-1/e) 에 수렴한다는 점이다.

응용 부분에서는 온라인 광고 배분 문제를 ‘광고주‑키워드 매칭’과 ‘노출 시간’이라는 두 차원으로 모델링한다. 각 광고주가 특정 키워드에 대해 얻는 가치 함수는 노출 시간이 늘어날수록 감소하는 수확체감 형태이며, 전체 목표는 모든 광고주의 가치 합을 최대화하는 것이다. 이 함수가 시퀀스‑서브모듈러임을 보이고, 그리디 배분이 (1-1/e) 근사 비율을 달성한다.

쿼리 재작성 문제는 사용자가 입력한 검색어에 대해 여러 후보 재작성 문구를 제시하고, 각 문구가 클릭을 유도하는 확률이 시간에 따라 감소한다는 가정 하에 정의된다. 여기서 목표는 제한된 시간 내에 선택한 재작성 문구들의 기대 클릭수를 최대화하는 것이다. 이 경우 마진 감소가 (1-1/e) 보다 더 강하게 일어나므로, 그리디 알고리즘의 근사 비율은 (1-1/e^{1-1/e}) 로 향상된다.

전체적으로 논문은 시퀀스‑서브모듈러라는 새로운 함수 클래스를 제시하고, 그에 맞는 그리디 전략이 기존 집합‑기반 결과와 동일하거나 더 나은 성능을 보임을 증명한다. 이는 온라인 광고와 같이 시간·순서가 핵심인 실무 문제에 직접 적용 가능함을 보여준다.