面向电商赞助搜索的带位置偏差缓解的点击-转化多任务模型
信息检索
2023-08-01 v1 机器学习
摘要
位置偏差是指用户倾向于关注搜索结果列表中排名靠前的项目而不管其与查询的实际相关性的现象，这种现象在许多排序系统中普遍存在。训练数据中的位置偏差会使排序模型产生偏倚，导致项目排序、点击率（CTR）和转化率（CVR）预测日益不公平。为了同时在项目CTR和CVR预测中缓解位置偏差，我们提出了两个无位置偏差的CTR和CVR预测模型：位置感知点击-转化（PACC）和通过位置嵌入的PACC（PACC-PE）。PACC建立在概率分解之上，将位置信息建模为一个概率。PACC-PE利用神经网络将产品特定的位置信息建模为嵌入。在电商赞助商品搜索数据集上的实验表明，我们提出的模型具有更好的排序有效性，并且能大幅缓解CTR和CVR预测中的位置偏差。
引用
@article{arxiv.2307.16060,
title = {Click-Conversion Multi-Task Model with Position Bias Mitigation for Sponsored Search in eCommerce},
author = {Yibo Wang and Yanbing Xue and Bo Liu and Musen Wen and Wenting Zhao and Stephen Guo and Philip S. Yu},
journal= {arXiv preprint arXiv:2307.16060},
year = {2023}
}
备注
Modified some typos of the published SIGIR version