用于后点击转化率预测的整个空间变分信息开发
信息检索
2025-02-25 v1 机器学习
摘要
在推荐系统中，后点击转化率（CVR）估计是建模用户对物品偏好的关键任务，同时也是估计推荐价值的重要任务。样本选择偏置（SSB）和数据稀疏性（DS）是后点击转化率（CVR）估计持续存在的两个挑战。当前，整个空间方法通过知识蒸馏利用未点击样本来同时缓解SSB和DS的问题。现有方法使用非转化、转化或自适应转化预测器为未点击样本生成伪标签，但它们未考虑这些伪标签的无偏性和信息限制。基于上述分析，本文提出了一个用于CVR预测的整个空间变分信息开发框架（EVI）。首先，EVI使用条件整个空间CVR教师生成无偏伪标签。随后，它应用变分信息开发和逻辑蒸馏将非点击空间信息传递到目标CVR估计器中。我们在六个大型数据集上进行了大规模离线实验。实验结果表明，EVI相较于当前最先进的基线方法平均提升了2.25%。
引用
@article{arxiv.2502.15687,
title = {Entire-Space Variational Information Exploitation for Post-Click Conversion Rate Prediction},
author = {Ke Fei and Xinyue Zhang and Jingjing Li},
journal= {arXiv preprint arXiv:2502.15687},
year = {2025}
}