基于影响函数的延迟反馈建模
机器学习
2025-08-15 v2 人工智能
信息检索
摘要
在按转化付费（CPA）模式下的在线广告中，准确的转化率（CVR）预测至关重要。一个主要挑战是延迟反馈，即转化可能在用户交互后很久才发生，导致近期数据不完整和模型训练偏差。现有解决方案部分缓解了这一问题，但通常依赖辅助模型，导致计算效率低下且对用户兴趣变化适应性较差。我们提出了IF-DFM，一种基于影响函数（Influence Function）的延迟反馈建模（Delayed Feedback Modeling）方法，该方法估计新到达和延迟转化对模型参数的影响，从而无需完全重新训练即可实现高效更新。通过将逆Hessian-向量积重新表述为一个优化问题，IF-DFM在可扩展性和有效性之间实现了良好的权衡。在基准数据集上的实验表明，IF-DFM在准确性和适应性方面均优于先前的方法。
引用
@article{arxiv.2502.01669,
title = {Delayed Feedback Modeling with Influence Functions},
author = {Chenlu Ding and Jiancan Wu and Yancheng Yuan and Cunchun Li and Xiang Wang and Dingxian Wang and Frank Yang and Andrew Rabinovich},
journal= {arXiv preprint arXiv:2502.01669},
year = {2025}
}