論文の概要: A Feedback Shift Correction in Predicting Conversion Rates under Delayed Feedback

• arxiv url: http://arxiv.org/abs/2002.02068v1
• Date: Thu, 6 Feb 2020 02:05:07 GMT
• ステータス: 処理完了
• システム内更新日: 2023-01-03 09:42:07.930307
• Title: A Feedback Shift Correction in Predicting Conversion Rates under Delayed Feedback
• Title（参考訳）: 遅延フィードバックによる逆変換率予測におけるフィードバックシフト補正
• Authors: Shota Yasui, Gota Morishita, Komei Fujita, Masashi Shibata
• Abstract要約: ディスプレイ広告では、広告を表示する価値を推定するために、変換率を予測することが不可欠である。 クリックと結果の変換の間には、比較的長い時間がかかる。 遅延したフィードバックのため、トレーニング期間中の肯定的なインスタンスには負のラベルが付けられている。
• 参考スコア（独自算出の注目度）: 6.38500614968955
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: In display advertising, predicting the conversion rate, that is, the probability that a user takes a predefined action on an advertiser's website, such as purchasing goods is fundamental in estimating the value of displaying the advertisement. However, there is a relatively long time delay between a click and its resultant conversion. Because of the delayed feedback, some positive instances at the training period are labeled as negative because some conversions have not yet occurred when training data are gathered. As a result, the conditional label distributions differ between the training data and the production environment. This situation is referred to as a feedback shift. We address this problem by using an importance weight approach typically used for covariate shift correction. We prove its consistency for the feedback shift. Results in both offline and online experiments show that our proposed method outperforms the existing method.
• Abstract（参考訳）: 表示広告では、変換率、すなわち、ユーザーが商品を購入するなど、広告主のウェブサイトで予め定義されたアクションをとる確率を予測することが、広告を表示する価値を推定する上で基本となる。 しかし、クリックと結果変換の間には、比較的長い時間遅延がある。 遅延フィードバックのため、トレーニングデータの収集時にはまだ変換が行われていないため、トレーニング期間中のポジティブなインスタンスには負のラベルが付けられている。 その結果、条件付きラベル分布は、トレーニングデータと生産環境とで異なる。 この状況はフィードバックシフトと呼ばれる。 この問題を,共変量シフト補正によく用いられる重み付け手法を用いて解決する。 フィードバックシフトに対する一貫性を証明します。 オフラインおよびオンライン実験の結果,提案手法が既存の手法よりも優れていることがわかった。

関連論文リスト

• DOTA: Distributional Test-Time Adaptation of Vision-Language Models [52.98590762456236]
  トレーニングフリーテスト時動的アダプタ(TDA)は、この問題に対処するための有望なアプローチである。 単体テスト時間適応法(Dota)の簡易かつ効果的な方法を提案する。 Dotaは継続的にテストサンプルの分布を推定し、モデルがデプロイメント環境に継続的に適応できるようにします。
  論文  参考訳（メタデータ） (2024-09-28T15:03:28Z)
• Contrastive Learning with Negative Sampling Correction [52.990001829393506]
  PUCL(Positive-Unlabeled Contrastive Learning)という新しいコントラスト学習手法を提案する。 PUCLは生成した負のサンプルをラベルのないサンプルとして扱い、正のサンプルからの情報を用いて、対照的な損失のバイアスを補正する。 PUCLは一般的なコントラスト学習問題に適用でき、様々な画像やグラフの分類タスクにおいて最先端の手法より優れている。
  論文  参考訳（メタデータ） (2024-01-13T11:18:18Z)
• Adapting to Continuous Covariate Shift via Online Density Ratio Estimation [64.8027122329609]
  分散シフトへの対処は、現代の機械学習における中心的な課題の1つだ。 歴史的情報を適切に再利用するオンライン手法を提案する。 我々の密度比推定法は, ダイナミックなリセットバウンドを楽しむことにより, 良好に動作できることが証明された。
  論文  参考訳（メタデータ） (2023-02-06T04:03:33Z)
• Generalized Delayed Feedback Model with Post-Click Information in Recommender Systems [37.72697954740977]
  クリック後のユーザ行動も変換率予測に有益であり,タイムラインの改善に有効であることを示す。 本稿では、クリック後の動作と初期変換の両方をクリック後の情報として統合する一般化遅延フィードバックモデル(GDFM)を提案する。
  論文  参考訳（メタデータ） (2022-06-01T11:17:01Z)
• Asymptotically Unbiased Estimation for Delayed Feedback Modeling via Label Correction [14.462884375151045]
  遅延したフィードバックは、オンライン広告の変換率予測に不可欠である。 これまでの遅延したフィードバックモデリング手法は、正確なラベルを待ち、新鮮なフィードバックを消費する間のトレードオフのバランスをとる。 提案手法は, 即効性, 偽陰性, 実陰性, 遅延正サンプルの重み付けをそれぞれ補正することを目的として, 非バイアス推定を用いた遅延フィードバックモデリング(DEFUSE)を提案する。
  論文  参考訳（メタデータ） (2022-02-14T03:31:09Z)
• Real Negatives Matter: Continuous Training with Real Negatives for Delayed Feedback Modeling [10.828167195122072]
  本稿では,リアルネガティブ(DEFER)を用いた遅延フィードバックモデルを提案する。 実際の負の摂取は、観察された特徴分布が実際の分布と同等であることを保証し、バイアスを低減する。 DEFERはAlibabaのディスプレイ広告システムにデプロイされており、いくつかのシナリオでCVRが6.4%改善されている。
  論文  参考訳（メタデータ） (2021-04-29T05:37:34Z)
• Reducing Representation Drift in Online Continual Learning [87.71558506591937]
  私たちは、エージェントが制限されたメモリと計算で変化する分布から学ぶ必要があるオンライン連続学習パラダイムを研究します。 この作業では、入ってくるデータストリームに未観測のクラスサンプルが導入されることにより、事前に観測されたデータの表現の変化に焦点を合わせます。
  論文  参考訳（メタデータ） (2021-04-11T15:19:30Z)
• Capturing Delayed Feedback in Conversion Rate Prediction via Elapsed-Time Sampling [29.77426549280091]
  コンバージョンレート(CVR)予測は、デジタルディスプレイ広告において最も重要なタスクの1つである。 Elapsed-Time Smpling Delayed Feedback Model (ES-DFM) を提案する。
  論文  参考訳（メタデータ） (2020-12-06T12:20:50Z)
• AdCo: Adversarial Contrast for Efficient Learning of Unsupervised Representations from Self-Trained Negative Adversaries [55.059844800514774]
  本稿では,正の問合せに対して識別が難しい表現を訓練するためのAdCoモデルを提案する。 実験により,AdCoモデルが優れた性能を発揮することを示す。
  論文  参考訳（メタデータ） (2020-11-17T05:45:46Z)
• Learning Classifiers under Delayed Feedback with a Time Window Assumption [16.269923100433235]
  遅延フィードバック(emphDF学習)下でのバイナリ分類器の訓練の検討 最初は陰性なサンプルを受け取り、その後、いくつかのサンプルは正に変化する。 遅延したフィードバックのため、正と負のサンプルのナイーブな分類はバイアス付き分類器を返す。
  論文  参考訳（メタデータ） (2020-09-28T06:20:24Z)
• Evaluating Prediction-Time Batch Normalization for Robustness under Covariate Shift [81.74795324629712]
  我々は予測時間バッチ正規化と呼び、共変量シフト時のモデル精度とキャリブレーションを大幅に改善する。 予測時間バッチ正規化は、既存の最先端アプローチに相補的な利点をもたらし、ロバスト性を向上させることを示します。 この手法は、事前トレーニングと併用して使用すると、さまざまな結果が得られるが、より自然なタイプのデータセットシフトでは、パフォーマンスが良くないようだ。
  論文  参考訳（メタデータ） (2020-06-19T05:08:43Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。