搜索系统的无偏平台级因果估计：一种竞争隔离PSM-DID框架
人工智能
2025-11-04 v1
摘要
在基于搜索的双边市场中评估平台级干预措施，从根本上受到溢出效应和网络干扰等系统性效应的挑战。尽管PSM（倾向得分匹配）-DID（双重差分）框架被广泛用于因果推断，但它仍然容易受到来自未考虑溢出效应的选择偏差和跨单元干扰的影响。在本文中，我们介绍了竞争隔离PSM-DID，一种新颖的因果框架，它将倾向得分匹配与竞争隔离相结合，以实现搜索系统中平台级效果度量（例如订单量、GMV），而非项目级度量。我们的方法在互斥条件下提供了理论上保证的无偏估计，并发布了一个开放数据集以支持关于市场干扰的可重复研究（github.com/xxxx）。大量实验表明，与基线方法相比，干扰效应和估计方差显著降低。在大型市场中的成功部署证实了该框架在平台级因果推断中的实用性。
引用
@article{arxiv.2511.01329,
title = {Unbiased Platform-Level Causal Estimation for Search Systems: A Competitive Isolation PSM-DID Framework},
author = {Ying Song and Yijing Wang and Hui Yang and Weihan Jin and Jun Xiong and Congyi Zhou and Jialin Zhu and Xiang Gao and Rong Chen and HuaGuang Deng and Ying Dai and Fei Xiao and Haihong Tang and Bo Zheng and KaiFu Zhang},
journal= {arXiv preprint arXiv:2511.01329},
year = {2025}
}