以在线线性分类逼近广告放置问题：NIPS'17 广告放置挑战赛的获胜方案
信息检索
2017-12-11 v2
摘要
计算广告的任务是Possible选项集中选择最合适的广告候选。候选的选择方式使用户最有可能对其作出正向反应：点击并随后执行某些操作。最佳选项由“策略”选出——一种从历史数据学习然后用于未来动作的算法。这样，该策略应提供更有针对性且交互概率更高的内容。构建策略是一个困难的问题，许多来自工业界和学术界的研究人员与从业者都关注于此。为了推进该领域的协作，NIPS'17 因果推断与机器学习研讨会的组织者向社区发起挑战，以开发最佳策略算法。该挑战基于 Criteo 从其生产系统日志中慷慨提供的数据。在本报告中，我们描述了挑战的获胜方法：我们的团队实现了 55.6 的 IPS 并稳居第一。我们的方案已在 GitHub 上公开。
引用
@article{arxiv.1712.01913,
title = {Approaching the Ad Placement Problem with Online Linear Classification: The winning solution to the NIPS'17 Ad Placement Challenge},
author = {Alexey Grigorev},
journal= {arXiv preprint arXiv:1712.01913},
year = {2017}
}
备注
NIPS'17 Workshop on Causal Inference and Machine Learning