归因集合的统计学习
机器学习
2026-02-09 v1 机器学习
摘要
我们解决了在隐私约束下训练转化预测模型的问题，在这种情况下，广告点击与转化之间的直接链接不可用。针对隐私保留浏览器API和第三方cookie衰减的动机，我们研究了一种设置：学习者观察一系列点击和一系列转化，但只能将转化链接到一组候选点击（归因集合）而非唯一来源。我们将此形式化为学习来自由无意识对手生成的归因集合，后者依赖对候选者的先验分布。尽管缺乏显式标签，我们通过一种新方法构建了这些粗糙信号中population loss的无偏估计器。利用这个估计器，我们展示经验风险最小化（ERM）在先验信息性和对先验估计误差的鲁棒性方面具有可 generalization 保证，尽管归因集合之间存在复杂依赖。简单的经验评估表明，我们的无偏方法在常规行业启发式方法中显著优于后者，特别是在归因集合大型或重叠的情形下。
引用
@article{arxiv.2602.06276,
title = {Statistical Learning from Attribution Sets},
author = {Lorne Applebaum and Robert Busa-Fekete and August Y. Chen and Claudio Gentile and Tomer Koren and Aryan Mokhtari},
journal= {arXiv preprint arXiv:2602.06276},
year = {2026}
}