CTR预测中去偏的通用框架
信息检索
2021-12-07 v1 人工智能
摘要
现有大多数点击率(CTR)预测去偏方法依赖于过度简化的假设，即点击概率等于观测概率与相关性概率的乘积。然而，由于这两个概率之间存在复杂相互作用，这些方法无法应用于其他场景，例如查询自动补全(QAC)与路线推荐。我们提出了一种不简化变量间关系的通用去偏框架，可处理CTR预测中的所有场景。仿真实验表明：在最简单场景下，我们的方法与时下最优(SOTA)方法保持相近的AUC；在其他场景中，我们的方法相比现有方法取得了可观的提升。同时，在线上实验中，该框架也一致地获得了显著改进。
引用
@article{arxiv.2112.02767,
title = {A General Framework for Debiasing in CTR Prediction},
author = {Wenjie Chu and Shen Li and Chao Chen and Longfei Xu and Hengbin Cui and Kaikui Liu},
journal= {arXiv preprint arXiv:2112.02767},
year = {2021}
}