CVR预估建模中样本的问题

最新推荐文章于 2024-06-20 15:09:55 发布
最新推荐文章于 2024-06-20 15:09:55 发布
阅读量643 收藏
点赞数
分类专栏： 人工智能 推荐系统 深度学习 文章标签： r语言 开发语言
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/javaisnotgood/article/details/120960350
版权
传统的CVR建模仅基于点击后转化和未转化样本，导致训练与预测数据分布不一致，引发样本选择偏差。通过引入未点击样本作为负样本，可以改善这一问题。全量样本训练假设未点击样本不会转化，但直接设为0可能误导模型。该文探讨了如何通过合理选择样本来提升模型泛化能力。

摘要生成于 C知道 ，由 DeepSeek-R1 满血版支持， 前往体验 >

1.样本选择

        传统的cvr建模往往选择点击后的转化和未转化样本，这样训练出来的模型用在全量样本上进行预估，而非只对点击样本进行预估。即是说，训练数据与实际要预测的数据来自不同分布，这个偏差对模型的泛化能力构成了很大挑战，会导致样本选择偏差；

        通过加入一些未点击样本作为label为0的负样本，可以缓解样本选择偏差；

        选择全量样本作为训练样本，在这种策略下我们假设未点击的样本肯定不会转化，但是我们不知道当未点击用户点击了之后是否会转化，如果直接使用0作为它们的label，会很大程度上误导CVR模型的学习；

CIKM 2021 | AutoHERI: 基于层次表示自动聚合的 CVR 预估模型
阿里妈妈技术
11-10 926
本文主要介绍阿里妈妈大外投广告算法团队在 CVR 预估模型与多任务学习方法上的一些探索。我们提出了一种基于层次表示自动聚合的 AutoHERI 模型（Automated Hierarchi...
CVR预估模型-ESMM
皮皮blog
10-25 1376
文章基于 Multi-Task Learning 的思路，提出一种新的CVR预估模型——ESMM，有效解决了真实场景中CVR预估面临的数据稀疏以及样本选择偏差这两个关键问题。 Motivation 不同于CTR预估问题，CVR预估面临两个关键问题： 1 样本选择偏差(sample selection bias,SSB)：传统CVR模型通常以点击数据为训练集，其中点击未转化为负例，点击并转化为正例，但是训练好的模型实际使用时，则是对整个空间的样本进行预估，而非只对点击样本进行预估。即传统的推荐系统仅用.
关于CVR建模中延迟反馈问题
weiyaner的博客
09-08 2453
转化率(CVR)预估是电商搜索、推荐和广告最关键任务之一。商业系统通常需要以在线学习的方式更新模型，以跟上不断变化的数据分布。但是，成交转化通常不会在用户单击商品后立即发生。这可能会导致label不准确，我们称之为延迟反馈问题。也就是说，对于一个点击行为，可能在当时没有出现转化现象，但是在随后的12h，24h小时内发生了转化，那么这个样本数据就会标记为负。通过延迟反馈修订，就是将此类的样本数据标记为正。在以前的研究中，延迟反馈问题是通过长时间等待正例样本来解决的；
推荐系统中的选择偏差及处理
xiedelong的博客
11-30 6903
定义 选择偏差(Selection bias)是指在对个人、群体或数据进行选择分析时引入的偏差，这种选择方式没有达到适当的随机化，从而确保所获得的样本不能代表拟分析的总体。它有时被称为选择效应。 https://zhuanlan.zhihu.com/p/26143968 https://www.zhihu.com/question/29769549 https://zhuanlan.zhihu.com/p/102974409 自选择偏差 自选择偏差是指解释变量不是随机的，而是个体选择的结果，而这个选择的
[阿里]基于多任务学习的CVR预估模型ESM2
hellozhxy的博客
11-04 3740
今天介绍的文章名称是《Conversion Rate Prediction via Post-Click Behaviour Modeling》 论文下载地址为：https://arxiv.org/abs/1910.07099 在本系列的第十九篇文章中，我们已经介绍过一种基于多任务学习的CVR预估模型ESMM，同样是阿里发表的论文。本文可以看作是ESMM的升级版，一起来学习一下吧。 ...
CVR预估中的延迟反馈建模——指数模型
spring_sky_的博客
05-07 1022
今天分享一篇解决延迟反馈问题最经典的文章：《Modeling Delayed Feedback in Display Advertising》，于2014年发表在KDD上。 CVR预估的延迟反馈问题 广告场景中的CVR预估 CVR预估对广告平台而言非常重要，平台往往可以通过选择曝光给用户不同的广告而增加收益，假设广告主对获得一个用户的价位bidbidbid，将广告曝光给用户后的期望点击率为pctrpctrpctr，点击后的激活率为pcvrpcvrpcvr，则每次曝光的期望收益ecpmecpmecpm即为：
负样本修正：CVR预估时间延迟问题
炼丹笔记
03-02 774
你的标签错了,而且错了很多！一元@炼丹笔记在推荐搜索的建模中，我们经常会使用D+1天的数据作为label,从1~D天的数据中的进行特征抽取等工作,和我们时间序列问题建模类似,但和很多其他的时间序列问题建模不一样的地方在于,我们的label不一定可靠,比如在传统的时间序列回归中,D+1天的销量是多少就是多少,我们没有太多的犹豫,因为不大会有其他的情况。但是在电商的问题中,就存在下面这种情况：D+1天...
CVR预估论文阅读笔记：一次性解决三大难题
spring_sky_的博客
05-22 1367
论文标题：《Delayed Feedback Modeling for the Entire Space Conversion Rate Prediction》 论文链接 欢迎关注我的公众号，了解算法岗面经、深圳教师招聘备考指南、程序猿的技术之旅与浪漫生活~ 1 总述 本文提出了一种全空间建模的方法（ESDF），同时解决了CVR预估中的3大难题： 数据稀疏问题。即便对于很大数量的曝光样本，点击样本的占比往往较小，其中转化数量更小，ESDF对全空间建模，让所有样本都参与训练，并且CVR与CTR共用向量表示，
RS Meet DL(76)-CVR预估中的延迟反馈问题建模
abcdefg90876的博客
02-23 1400
1、背景介绍在展示广告场景中，有多种多样的计费方式，如按每次展示计费CPM、按每次点击计费CPC、以及按每次转化计费CPA。但不论何种计费方式，在实时竞价的场景下，供给方（媒体）对于广告...
搜索推荐炼丹笔记：CVR预估中的延迟反馈问题
炼丹笔记
02-27 667
CVR预估中的延迟反馈问题一元@炼丹笔记问题描述在很多推荐搜索的建模中，我们经常会使用D+1天的数据作为label,从1~D天的数据中的进行特征抽取等工作,和我们时间序列问题建模类似,但和很多其他的时间序列问题建模不一样的地方在于,我们的label不一定可靠,比如在传统的时间序列回归中,D+1天的销量是多少就是多少,我们没有太多的犹豫,因为不大会有其他的情况。但是在电商的问题中,就存在下面这种情...
Python-计算广告推荐系统机器学习MachineLearning点击率CTR转化率CVR预估点击率预估
08-11
计算广告/推荐系统/机器学习(Machine Learning)/点击率(CTR)/转化率(CVR)预估/点击率预估
多年算法老鸟告诉你，如何打比赛？如何从0开始搞一个新模型（CVR模型举例）
晓飞趋势
04-25 826
更多 内容 请关注微信公众号 ''codersStation"： 北漂大飞的转正之路 下面要说的，是结合了CTR，CVR等的一些经验，做的总结。看到是一种幸运。 基本上所有的CVR模型都会遇到重复点击，都会遇到延迟上报转化或者激活等数据。所以后面总结都会很有针对性。 1.筛选特征测试特征前，先对特征做分析，覆盖度分析，以及看特征不同取值下对转化率的影响。差别越大...
【推荐算法】ctr cvr联合建模问题合集
littlemichelle
10-16 3572
ctr和cvr分开建模相比ctcvr的优势？总结：1、ctr的数据可以试试获取，能实时训练。但是cvr存在延迟现象，样本更新慢。一起训练容易出现跷跷板现象。2、分开建模可以输出2个指标，便于调控。3、CTR肯定是需要单独建模的，因为它影响用户的长期的，也影响未来。CTCVR低，不代表用户不喜欢，也可能是因为其他原因（比如没钱，这个很容易建模，拿用户过去消费的金额，与当前商品的，一比就能知道）
深度模型（十）：ESMM
Jony0917的专栏
08-30 7427
摘要 准确的估计CVR(点击后转化率)对于推荐和广告这类排序系统来说非常关键。传统的CVR模型采用流行的深度学习方法达到目前最好的效果。但是也遇到了一些问题。比如，传统的CVR模型采用点击后的数据训练，但是要在整体数据上做预测。这导致样本选择偏差问题。另外，还存在比较严重的数据稀疏问题。本文我们从一个全新的角度建模CVR预估问题，充份利用用户行为序列：曝光 -> 点击 -> 转化。ES...
WWW 2022 | 搜索广告CVR延迟反馈建模DEFUSE
阿里妈妈技术
04-27 3110
丨目录： · 概述 · 业界方案 · 本文方法 · 实验部分 · 总结 ·参考文献1. 概述在以淘宝搜索广告为代表的经典搜推广场景中，转化率(CVR)预估作为面向GMV优化的重要基础能力发挥着不可替代的重要作用。特别地，在广告场景中，CVR预估同时作为排序机制与CPC、oCPX等多种出价策略的基础模块，承担着平台效率与广告主ROI兼顾、保持电商广...
ctr/cvr预估之FM模型
最新发布
LUyan10086的博客
06-20 1450
因子分解机（Factorization Machines, FM）是一种先进的机器学习模型，专为处理具有大量特征的稀疏数据集而设计。FM模型最初由Steffen Rendle在2010年提出，它结合了线性模型的可解释性和因子分解模型的泛化能力。
Heckman两步法 | 样本选择模型 & 处理效应模型
热门推荐
KEMOSABEr的博客
08-07 5万+
这期推送简单介绍一下样本选择模型和处理效应模型，其中样本选择模型是一般意义上的Heckman两步法，后者则借鉴了Heckman两步法的构建思想，但又不完全等同于前者。模型介绍之后，将利用help文件中的示例数据与代码简单演示一下这两个模型在Stata中的具体操作，然后简单评述一下现阶段文献中对这两个模型的理解与应用情况，最后结合一篇论文的公开数据与代码进行结果复盘与二次验证。 Note:Note:Note: 1、下划线字体为链接，可点击跳转；2、推文中的公式与代码块均可左右滑动；3、该文首发于微信公众号D
CVR预估模型ESMM
null的专栏
01-12 1309
在ESMM网络中，通过引入两个辅助任务CTR和CTCVR，由于这两个任务的输入空间都变成了“曝光”，从而解决了传统CVR建模中在training和inference两个过程中输入空间不一致的问题，另一个方面，因为“曝光->点击”阶段的样本量要比“点击->转化”阶段的样本量要大，鉴于Embedding层参数的共享，因此，能够充分学习到Embedding层的参数。
FFM模型(ctr、cvr)的python实现
guanbai4146的博客
04-29 7708
主要参考内容:1.  《Field-aware Factorization Machines for CTR Prediction》2. 美团点评的技术文章：https://tech.meituan.com/deep-understanding-of-ffm-principles-and-practices.html原理的话，美团这篇博文很详细（当然参考原文亦可），我这边就大致就着美团技术文章做一...
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
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
实付元
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