ChorusCVR：用于全空间点击后转化率建模的 Chorus 监督
信息检索
2025-02-17 v2 社会与信息网络
摘要
点击后转化率（CVR）估计是许多收入型推荐系统中的重要任务，例如电子商务和广告。从样本的角度来看，一个典型的 CVR 正样本通常经历从曝光到点击再到转化的漏斗。由于缺乏未点击样本的事后标签，CVR 学习任务通常仅利用已点击样本，而非像点击率（CTR）学习任务那样利用所有曝光样本。然而，在在线推理过程中，CVR 和 CTR 在相同的假设曝光空间上进行估计，这导致训练与推理之间样本空间的不一致，即样本选择偏差（SSB）。为缓解 SSB，先前的研究提出设计新型辅助任务以在未点击训练样本上实现 CVR 学习，例如 CTCVR 和反事实 CVR 等。尽管在某种程度上缓解了 SSB，但它们在建模过程中均未关注模糊负样本（未点击）与事实负样本（已点击但未转化）之间的区分，这使得 CVR 模型缺乏鲁棒性。为了填补这一空白，我们提出了一种新型 ChorusCVR 模型，以实现全空间中的去偏 CVR 学习。
引用
@article{arxiv.2502.08277,
title = {ChorusCVR: Chorus Supervision for Entire Space Post-Click Conversion Rate Modeling},
author = {Wei Cheng and Yucheng Lu and Boyang Xia and Jiangxia Cao and Kuan Xu and Mingxing Wen and Wei Jiang and Jiaming Zhang and Zhaojie Liu and Liyin Hong and Kun Gai and Guorui Zhou},
journal= {arXiv preprint arXiv:2502.08277},
year = {2025}
}
备注
Work in progress