在线广告中选取偏差问题的分析
信息检索
2022-06-09 v1 计算机科学与博弈论
机器学习
机器学习
摘要
在在线广告中，一组潜在广告可由某种拍卖系统排序，通常排名首位的广告会被选中并展示在广告位上。本文揭示了拍卖系统中存在的一种选取偏差问题。我们分析指出，该选取偏差破坏了拍卖的真实性，这意味着拍卖中的买方（广告主）无法使其利润最大化。尽管选取偏差在统计学领域已广为人知且有大量研究，我们的主要贡献在于将偏差的理论分析与拍卖机制相结合。在采用在线 A/B 测试的实验中，我们评估了一个排序得分为广告预测点击率（CTR, click through rate）函数的拍卖系统中的选取偏差。实验表明，通过使用学习所有广告数据的多任务学习（multi-task learning），选取偏差被大幅降低。
引用
@article{arxiv.2206.03853,
title = {An Analysis of Selection Bias Issue for Online Advertising},
author = {Shinya Suzumura and Hitoshi Abe},
journal= {arXiv preprint arXiv:2206.03853},
year = {2022}
}