ESCM$^2$:面向点击后转化率估计的全空间反事实多任务模型
人工智能
2022-05-24 v2 信息检索
摘要
点击后转化率的准确估计对于构建推荐系统至关重要,其长期面临样本选择偏差与数据稀疏问题。全空间多任务模型(ESMM)系列方法利用用户行为的序列模式,即 来解决数据稀疏问题。然而,它们仍无法确保 CVR 估计的无偏性。在本文中,我们从理论上证明 ESMM 遭受如下两个问题:(1) 固有估计偏差(IEB),其中 ESMM 估计的 CVR 固有地高于真实值;(2) 对 CTCVR 估计的潜在独立性优先(PIP),其中存在 ESMM 忽略从点击到转化之因果性的风险。为此,我们设计了一种称为全空间反事实多任务建模(ESCM)的规范化方法,其在 ESMM 中采用反事实风险最小化器作为正则化项,以同时解决 IEB 与 PIP 问题。在离线数据集与在线环境中的大量实验表明,我们提出的 ESCM 可大幅缓解固有 IEB 与 PIP 问题,并取得优于基线模型的性能。
引用
@article{arxiv.2204.05125,
title = {ESCM$^2$: Entire Space Counterfactual Multi-Task Model for Post-Click Conversion Rate Estimation},
author = {Hao Wang and Tai-Wei Chang and Tianqiao Liu and Jianmin Huang and Zhichao Chen and Chao Yu and Ruopeng Li and Wei Chu},
journal= {arXiv preprint arXiv:2204.05125},
year = {2022}
}