在建模延迟反馈中处理每次点击多次转化
机器学习
2021-01-08 v1
摘要
预测点击后转化（购买或其他事件）的期望值或数量是效果型数字广告中的关键任务。在训练转化优化器模型时，最关键的方面之一是处理关于转化的延迟反馈，其可能多次发生且延迟各异。该任务困难，因为延迟分布因各广告主而异、呈长尾、常不遵循任何特定类别的参数分布，且可随时间变化。我们基于三个核心思想使用无偏估计模型应对这些挑战。第一个思想是将标签拆分为具有不同延迟桶的标签之和，每个桶仅以成熟标签训练；第二个是使用温度计编码以提高精度并降低推理成本；第三个是使用辅助信息以增强模型稳定性并处理分布漂移。
引用
@article{arxiv.2101.02284,
title = {Handling many conversions per click in modeling delayed feedback},
author = {Ashwinkumar Badanidiyuru and Andrew Evdokimov and Vinodh Krishnan and Pan Li and Wynn Vonnegut and Jayden Wang},
journal= {arXiv preprint arXiv:2101.02284},
year = {2021}
}