多任务学习在CVR预估中的应用：Entire Space Multi-Task Model（ESMM，阿里，SIGIR2018）

原文地址：多任务学习在CVR预估中的应用：Entire Space Multi-Task Model（ESMM，阿里，SIGIR2018）

欢迎关注我的公众号，微信搜 algorithm_Tian 或者扫下面的二维码~

现在保持每周更新的频率，内容都是机器学习相关内容和读一些论文的笔记，欢迎一起讨论学习~

---

前两篇讲了多任务学习的背景知识和一个多任务学习模型的框架，这篇讲一个多任务学习的实际应用，在转化率（post-view conversion rate，CVR）预估中的应用。

论文题目为：

EntireSpace Multi-Task Model: An Effective Approach for Estimating Post-ClickConversion Rate（ESMM， 阿里，SIGIR-2018）

本文从以下三个方面详细介绍这篇论文：

​​​​​

1. challenge in CVR

（1）样本选择偏差（sample selection bias， SSB）：影响泛化

（2）训练数据过于稀疏（ data sparsity, DS）：拟合困难

（3） 点击延迟

2. ESSM框架

为什么这一方法可以很好的应对CVR模型训练中的挑战呢？

（1）针对SSB问题

（2）针对DS问题

3. details in ESSM

4. 实验结果

---

1. challenge in CVR

用户看到一条广告时，会选择点或者不点这条广告，点了这条广告之后，进入广告落地页，此时用户也有两个选择：买这个广告中的商品或者不买，如果买了，这就是转化（conversion）。

用户看到的这条广告，就叫做曝光（impression），点击率（click-through rate， CTR）就是点击次数除以总曝光数，转化率（conversion rate， CVR）是转化数除以点击次数。

这三者之间的关系就如图所示：