聚类网络干扰下利用提升建模进行直接利润估计
机器学习
2025-09-03 v1
摘要
提升建模是推荐系统中促销优化的关键技术，但标准方法通常无法考虑干扰，即处理一个项目会影响其他项目的结果。这种对稳定单元处理值假设（SUTVA）的违反导致现实世界市场中的次优策略。最近发展的干扰感知估计器如加性逆倾向加权（AddIPW）尚未进入提升建模文献，使用这些估计器优化策略也尚未得到充分建立。本文提出了一种实用的桥梁方法。我们将AddIPW估计器用作适合梯度优化的可微分学习目标。我们展示了该框架如何与经过验证的响应转换技术集成，以直接优化经济结果如增量利润。通过仿真，我们证明我们的方法显著优于干扰无关方法，尤其是当干扰效应增强时。此外，我们发现将利润中心提升策略适应到我们的框架中可以在识别最高影响干预方面产生更优性能，为更有利可图的激励个性化提供了实用路径。
引用
@article{arxiv.2509.01558,
title = {Direct Profit Estimation Using Uplift Modeling under Clustered Network Interference},
author = {Bram van den Akker},
journal= {arXiv preprint arXiv:2509.01558},
year = {2025}
}