論文の概要: Handling many conversions per click in modeling delayed feedback

• arxiv url: http://arxiv.org/abs/2101.02284v1
• Date: Wed, 6 Jan 2021 21:57:51 GMT
• ステータス: 処理完了
• システム内更新日: 2021-04-11 01:17:59.334940
• Title: Handling many conversions per click in modeling delayed feedback
• Title（参考訳）: 遅延フィードバックのモデリングにおけるクリック毎の多くの変換処理
• Authors: Ashwinkumar Badanidiyuru, Andrew Evdokimov, Vinodh Krishnan, Pan Li, Wynn Vonnegut, Jayden Wang
• Abstract要約: クリック後の変換は、パフォーマンスベースのデジタル広告の重要なタスクです。 3つの中核的なアイデアに基づく偏りのない推定モデルを用いて,これらの課題に取り組む。 第1のアイデアはラベルを異なる遅延バケットを持つラベルの和として分割し、第2のアイデアは精度の向上と推論コストの削減に温度計エンコーディングを使用することであり、第3のアイデアはモデルの安定性の向上と分布のドリフトの処理に補助情報を使用することである。
• 参考スコア（独自算出の注目度）: 6.14776588144073
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Predicting the expected value or number of post-click conversions (purchases or other events) is a key task in performance-based digital advertising. In training a conversion optimizer model, one of the most crucial aspects is handling delayed feedback with respect to conversions, which can happen multiple times with varying delay. This task is difficult, as the delay distribution is different for each advertiser, is long-tailed, often does not follow any particular class of parametric distributions, and can change over time. We tackle these challenges using an unbiased estimation model based on three core ideas. The first idea is to split the label as a sum of labels with different delay buckets, each of which trains only on mature label, the second is to use thermometer encoding to increase accuracy and reduce inference cost, and the third is to use auxiliary information to increase the stability of the model and to handle drift in the distribution.
• Abstract（参考訳）: クリック後変換(購入やその他のイベント)の期待値や数を予測することは、パフォーマンスベースのデジタル広告において重要なタスクである。 変換オプティマイザモデルのトレーニングにおいて、最も重要な側面の1つは、変換に関して遅延したフィードバックを扱うことである。 このタスクは、広告主ごとに遅延分布が異なり、ロングテールであり、しばしば特定のパラメトリック分布のクラスに従わず、時間とともに変化する可能性があるため、難しい。 3つの中核的なアイデアに基づいた不偏推定モデルを用いて,これらの課題に取り組む。 第1のアイデアは、ラベルを異なる遅延バケットを持つラベルの合計として分割することであり、それぞれのラベルは成熟ラベルのみで、第2のアイデアは温度計エンコーディングを使用して精度を高め、推論コストを削減し、第3のアイデアはモデルの安定性を高め、分布のドリフトを処理するために補助情報を使用することである。

関連論文リスト

• Changen2: Multi-Temporal Remote Sensing Generative Change Foundation Model [62.337749660637755]
  安価で自動的な生成モデルに基づく変更データ生成器を提案する。 Changen2は、自己監督を通じて大規模にトレーニング可能な、生成的な変更基盤モデルである。 得られたモデルには、固有のゼロショット変化検出機能と優れた転送性がある。
  論文  参考訳（メタデータ） (2024-06-26T01:03:39Z)
• Deciphering Movement: Unified Trajectory Generation Model for Multi-Agent [53.637837706712794]
  任意の軌道をマスク入力として処理する統一軌道生成モデルUniTrajを提案する。 具体的には,空間特徴抽出のためのトランスフォーマーエンコーダ内に埋め込まれたゴースト空間マスキング(GSM)モジュールを導入する。 バスケットボール-U,サッカー-U,サッカー-Uの3つの実用的なスポーツゲームデータセットをベンチマークして評価を行った。
  論文  参考訳（メタデータ） (2024-05-27T22:15:23Z)
• iTransformer: Inverted Transformers Are Effective for Time Series Forecasting [62.40166958002558]
  iTransformerを提案する。これは、逆次元に注意とフィードフォワードのネットワークを単純に適用する。 iTransformerモデルは、挑戦的な現実世界のデータセットの最先端を実現する。
  論文  参考訳（メタデータ） (2023-10-10T13:44:09Z)
• CARD: Channel Aligned Robust Blend Transformer for Time Series Forecasting [50.23240107430597]
  本稿では,CARD(Channel Aligned Robust Blend Transformer)という特殊なトランスを設計する。 まず、CARDはチャネルに沿ったアテンション構造を導入し、信号間の時間的相関をキャプチャする。 第二に、マルチスケール知識を効率的に活用するために、異なる解像度のトークンを生成するトークンブレンドモジュールを設計する。 第3に,潜在的な過度な問題を軽減するため,時系列予測のためのロバストな損失関数を導入する。
  論文  参考訳（メタデータ） (2023-05-20T05:16:31Z)
• Confident Adaptive Language Modeling [95.45272377648773]
  CALMは、入力と生成時間ごとに異なる量の計算を動的に割り当てるフレームワークである。 ハイパフォーマンスを確実に維持しつつ、計算能力、潜在的スピードアップを最大3ドルまで削減する上で、我々のフレームワークの有効性を実証する。
  論文  参考訳（メタデータ） (2022-07-14T17:00:19Z)
• 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)
• Multi-Head Online Learning for Delayed Feedback Modeling [2.0212306405747706]
  オンライン広告では、変換の確率と価値を予測することが非常に重要である。 本稿では,マルチヘッドモデリングを用いた新しい手法を提案する。 変換率(CVR)とクリック毎値(VPC)を予測するオンライン学習実験において,既知の手法の性能を大幅に上回ることを示す。
  論文  参考訳（メタデータ） (2022-05-24T23:28:56Z)
• Concept Drift and Covariate Shift Detection Ensemble with Lagged Labels [22.826118321715455]
  変更を検出し、モデルを再訓練することが重要です。 1) 分類誤り率のみを信号として使用すること,2) サンプルから特徴が受信された後に真実ラベルがすぐに利用可能であると仮定すること,3) 変更時にモデルの再トレーニングに使用するデータを決定することができないこと,の3つの弱点がある。 まず,6つの異なる信号を用いてデータの特徴を広範囲に把握し,ラベルのラグを許容し,ラグ後に対応する特徴のラベルを受信することで,第2の問題を解決する。 第3の問題として,提案手法は再トレーニングに使用するデータを自動的に決定する。
  論文  参考訳（メタデータ） (2020-12-08T21:57:05Z)
• 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)
• The Right Tool for the Job: Matching Model and Instance Complexities [62.95183777679024]
  NLPモデルが大きくなればなるほど、訓練されたモデルを実行するには、金銭的・環境的なコストを発生させる重要な計算資源が必要である。 我々は、推論中、早期(かつ高速)の"exit"を可能にする文脈表現微調整の修正を提案する。 3つのテキスト分類データセットと2つの自然言語推論ベンチマークの2つのタスクで、5つの異なるデータセットに対して提案した修正を検証した。
  論文  参考訳（メタデータ） (2020-04-16T04:28:08Z)
• A Feedback Shift Correction in Predicting Conversion Rates under Delayed Feedback [6.38500614968955]
  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。
  論文  参考訳（メタデータ） (2020-02-06T02:05:07Z)

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。