KDD2021|因果模型在实时竞价重复曝光次数中的应用

本文探讨了在实时竞价(RTB)广告中,如何利用因果模型评估重复用户曝光的经济价值。通过引入因果模型,作者分析了曝光次数对购买概率的影响,并提出了一种改进的预估方法,该方法在实验中展示了量化的提升。文章指出,传统的贪婪归因方法存在不足,而新的模型能够更准确地估算每次展示的边际效应,从而优化竞价策略。
摘要由CSDN通过智能技术生成

Causal Models for Real Time Bidding with Repeated User Interactions

Martin Bompaire, Alexandre Gilotte, Benjamin Heymann

Criteo AI Lab

https://hal.archives-ouvertes.fr/hal-02971865/document

大部分在线广告的展示是通过实时竞价(RTB)这种拍卖机制来售卖的。每一次拍卖对应一次展示机会,竞对广告主需要精确预估经济价值,根据预估的价值来进行竞价。这种预估可以作为目标事件带给广告主的报酬,比如在商家网站上归因到此次展示多带来的购买事件,乘以该事件的预估概率。

但是,这种贪婪的方式太简单了,尤其是同一个用户曝光多次这种场景。这篇文章的目的在于讨论用户获得一次或多次展示时,如何进行以上评估。直观而言,随着曝光次数的增多,用户购买的可能性会越大,每次曝光的边际效应理论上呈现衰减的趋势。

这篇文章中,作者们首先通过因果模型来衡量每次展示的价值,将竞价问题跟重复用户交互行为关联起来。然后,基于这种方式,引入一种简单的规则来提升预估的价值。

这种做法不仅得到了遵循先前认知的有趣的定性结论,而其在公开数据集和生产环境的线上数据集上得到了量化的提升。

作者们所研究的问题简介如下

fdf1c4bf10ae44b306e8f11133835f80.png

以上因子可以进一步分解

7ea67aa1327702e0f7fd603486cfe358.png

从竞价的角度看,特定用户的竞价请求序列可以看做一个随机过程

e34fb91ad6b61ba66ea08d7c989f9aba.png

竞价最大化报酬的公式如下

80bc3e60695f63d6e2d35cb200bcd5f0.png

竞价过程因果图图示如下

26471663bbdcc2270d151544b69e8560.png

贪婪归因的不足在于

  • 0
    点赞
  • 1
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
KDD2021是国际上知名的数据挖掘和知识发现领域的会议,而本次会议的一篇文章题为《反事实解释及在可解释人工智能应用》。这篇文章主要讨论了反事实解释的概念以及其在可解释人工智能(XAI)应用。 首先,文章介绍了反事实解释的概念。反事实解释是指对于一个已知的事件或观察结果,通过推理和分析来揭示出如果某些条件或因素不同,将会产生不同的结果。它是一种通过对现实情况进行修改或替代来推断新结果的方法。 然后,文章探讨了反事实解释在可解释人工智能应用。可解释人工智能旨在使机器学习模型的决策过程能够被人理解和解释。在这方面,反事实解释可以帮助我们理解模型的决策过程以及预测结果。通过揭示如果某些条件不同,模型将做出不同的决策,我们可以获得关于模型行为的更深入理解。 最后,文章讨论了如何将反事实解释应用于可解释人工智能。作者提出了一种基于因果推理的反事实解释方法,该方法将因果关系和反事实推理相结合,以在可解释人工智能提供更准确和可靠的解释。作者通过实验证明了该方法的有效性,并展示了其在实际问题应用潜力。 总的来说,这篇文章介绍了反事实解释的概念及其在可解释人工智能应用。通过使用反事实解释,我们可以更好地理解机器学习模型的决策过程,并提供更准确和可靠的解释。这对于推动可解释人工智能的研究和发展具有重要意义。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值