MCNet：单调校准网络在线广告中的表达式不确定性校准

在线广告中，不确定性校准旨在调整排序模型的概率预测，以更准确地近似事件发生概率，如点击或转化。然而，现有的校准方法可能缺乏有效建模复杂非线性关系、考虑上下文特征以及在不同数据子集中实现平衡性能的能力。为解决这些挑战，我们引入一种新模型称为单调校准网络（Monotonic Calibration Networks），其包含三个关键设计：单调校准函数（MCF）、保持顺序正则化器和字段平衡正则化器。非线性 MCF 能够自然地建模和普遍逼近 uncalibrated predictions 与后验概率之间的复杂关系，因此比现有方法更具表达力。MCF 还可通过灵活的模型架构整合上下文特征，从而实现上下文感知。保持顺序和字段平衡正则化器分别促进相邻 bin 之间单调关系以及数据子集上校准性能的平衡。在公共数据集和工业数据集上的实验结果表明，我们的方法在生成 well-calibrated 概率预测方面表现优异。