論文の概要: Correcting for Interference in Experiments: A Case Study at Douyin
- arxiv url: http://arxiv.org/abs/2305.02542v1
- Date: Thu, 4 May 2023 04:30:30 GMT
- ステータス: 処理完了
- システム内更新日: 2023-05-05 17:09:16.495453
- Title: Correcting for Interference in Experiments: A Case Study at Douyin
- Title（参考訳）: 実験における干渉の補正:Douyinを事例として
- Authors: Vivek F. Farias, Hao Li, Tianyi Peng, Xinyuyang Ren, Huawei Zhang,
Andrew Zheng
- Abstract要約: 干渉は、Douyin(中国TikTokのアナログ)のような二面的コンテンツマーケットプレースで実施される実験において、ユビキタスな問題である。
そこで我々は,モンテカルロの「DQ(Differences-in-Qs)」技術に基づく新しいモンテカルロ推定手法を提案する。
我々は,Douyinの実験プラットフォーム上に推定器を実装し,その過程で実世界の環境に干渉する真の「プラグ・アンド・プレイ」推定器としてDQを開発した。
- 参考スコア（独自算出の注目度）: 9.586075896428177
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Interference is a ubiquitous problem in experiments conducted on two-sided
content marketplaces, such as Douyin (China's analog of TikTok). In many cases,
creators are the natural unit of experimentation, but creators interfere with
each other through competition for viewers' limited time and attention. "Naive"
estimators currently used in practice simply ignore the interference, but in
doing so incur bias on the order of the treatment effect. We formalize the
problem of inference in such experiments as one of policy evaluation.
Off-policy estimators, while unbiased, are impractically high variance. We
introduce a novel Monte-Carlo estimator, based on "Differences-in-Qs" (DQ)
techniques, which achieves bias that is second-order in the treatment effect,
while remaining sample-efficient to estimate. On the theoretical side, our
contribution is to develop a generalized theory of Taylor expansions for policy
evaluation, which extends DQ theory to all major MDP formulations. On the
practical side, we implement our estimator on Douyin's experimentation
platform, and in the process develop DQ into a truly "plug-and-play" estimator
for interference in real-world settings: one which provides robust, low-bias,
low-variance treatment effect estimates; admits computationally cheap,
asymptotically exact uncertainty quantification; and reduces MSE by 99\%
compared to the best existing alternatives in our applications.
- Abstract（参考訳）: 干渉は、douyin (china's analog of tiktok) のような双方向コンテンツ市場で行われた実験において、ユビキタスな問題である。
多くの場合、クリエーターは実験の自然な単位であるが、クリエーターは視聴者の限られた時間と注意を競うことで互いに干渉する。
現在使われている「ナイーブ」推定器は、単に干渉を無視するだけでなく、治療効果の順序に不正確な偏見を与える。
我々は,政策評価の1つとして,推論の問題を定式化する。
オフ・ポリティクス推定器は、偏りはないが、急激な高分散である。
本稿では,治療効果の第2次バイアスを実現する「差分・イン・qs(differences-in-qs)」手法に基づくモンテカルロ推定器を提案する。
理論面では、政策評価のためのテイラー展開の一般化理論を開発し、DQ理論を全ての主要なMDP定式化にまで拡張する。
実用面では、Duyinの実験プラットフォーム上で推定器を実装し、その過程でDQを実世界の干渉に対する真の「プラグ・アンド・プレイ」推定器へと発展させ、堅牢で低バイアス、低分散処理効果推定を提供する。
関連論文リスト
- Targeted Machine Learning for Average Causal Effect Estimation Using the
Front-Door Functional [3.0232957374216953]
結果に対する治療の平均因果効果(ACE)を評価することは、しばしば観察研究における要因の相違によって引き起こされる課題を克服することを伴う。
本稿では,目標最小損失推定理論に基づいて,正面基準の新たな推定手法を提案する。
本研究では,早期学業成績が今後の年収に与える影響を明らかにするために,これらの推定装置の適用性を示す。
論文 参考訳（メタデータ） (2023-12-15T22:04:53Z) - Semiparametric Efficient Inference in Adaptive Experiments [29.43493007296859]
本研究では, 治療や管理に対する課題の割り当てを規定する政策が, 時間とともに変化しうる連続的な実験において, 平均治療効果の効率的な推定の問題点を考察する。
まず、Adaptive Augmented Inverse-Probability Weighted estimator に対する中心極限定理について述べる。
次に、従来の手法よりもかなり厳密な確率性および漸近的信頼シーケンスの両方を導出した逐次推論設定を検討する。
論文 参考訳（メタデータ） (2023-11-30T06:25:06Z) - A Double Machine Learning Approach to Combining Experimental and Observational Data [59.29868677652324]
実験と観測を組み合わせた二重機械学習手法を提案する。
我々の枠組みは、より軽度の仮定の下で、外部の妥当性と無知の違反を検査する。
論文 参考訳（メタデータ） (2023-07-04T02:53:11Z) - Improved Policy Evaluation for Randomized Trials of Algorithmic Resource
Allocation [54.72195809248172]
提案する新しい概念を応用した新しい推定器を提案する。
我々は,このような推定器が,サンプル手段に基づく一般的な推定器よりも精度が高いことを理論的に証明した。
論文 参考訳（メタデータ） (2023-02-06T05:17:22Z) - Neighborhood Adaptive Estimators for Causal Inference under Network
Interference [152.4519491244279]
我々は,古典的非干渉仮説の違反を考える。つまり,ある個人に対する治療が他者の結果に影響を及ぼす可能性がある。
干渉をトラクタブルにするために、干渉がどのように進行するかを記述する既知のネットワークを考える。
このような環境下での処理に対する平均的直接的処理効果の予測について検討した。
論文 参考訳（メタデータ） (2022-12-07T14:53:47Z) - Data-Driven Influence Functions for Optimization-Based Causal Inference [105.5385525290466]
統計的汎関数に対するガトー微分を有限差分法で近似する構成的アルゴリズムについて検討する。
本研究では,確率分布を事前知識がないが,データから推定する必要がある場合について検討する。
論文 参考訳（メタデータ） (2022-08-29T16:16:22Z) - Markovian Interference in Experiments [7.426870925611945]
いくつかの実験ユニットへの介入が制限的制約によって他のユニットに影響を及ぼす力学系の実験について考察する。
実用的重要性を誇張しているにもかかわらず、この問題の最良の推定者は、主に本質的であり、そのバイアスはよく理解されていない。
オフ・ポリティクスの見積もり者は、偏見のないが、明らかに最先端の代替手段と比較して大きなペナルティを生んでいる。
本稿では,DQ(差分-In-Q)推定器を提案する。
論文 参考訳（メタデータ） (2022-06-06T05:53:36Z) - A New Central Limit Theorem for the Augmented IPW Estimator: Variance
Inflation, Cross-Fit Covariance and Beyond [0.9172870611255595]
クロスフィッティングを用いたクロスフィッティング逆確率重み付け(AIPW)は、実際は一般的な選択肢である。
本研究では, 高次元状態における結果回帰モデルと確率スコアモデルを用いて, クロスフィット型AIPW推定器について検討する。
本研究は, メッセージパッシング理論, 決定論的等価性理論, 離脱一元的アプローチの3つの異なるツール間の新たな相互作用を利用する。
論文 参考訳（メタデータ） (2022-05-20T14:17:53Z) - Learning to Estimate Without Bias [57.82628598276623]
ガウスの定理は、重み付き最小二乗推定器は線形モデルにおける線形最小分散アンバイアスド推定(MVUE)であると述べている。
本稿では、バイアス制約のあるディープラーニングを用いて、この結果を非線形設定に拡張する第一歩を踏み出す。
BCEの第二の動機は、同じ未知の複数の推定値が平均化されてパフォーマンスが向上するアプリケーションにおいてである。
論文 参考訳（メタデータ） (2021-10-24T10:23:51Z) - Scalable Personalised Item Ranking through Parametric Density Estimation [53.44830012414444]
暗黙のフィードバックから学ぶことは、一流問題の難しい性質のために困難です。
ほとんどの従来の方法は、一級問題に対処するためにペアワイズランキングアプローチとネガティブサンプラーを使用します。
本論文では,ポイントワイズと同等の収束速度を実現する学習対ランクアプローチを提案する。
論文 参考訳（メタデータ） (2021-05-11T03:38:16Z) - Valid Causal Inference with (Some) Invalid Instruments [24.794879633855373]
排他的仮定違反にも拘わらず、一貫したIV推定を行う方法を示す。
我々は,深層ネットワークに基づく推定器のアンサンブルを用いて条件平均処理効果を正確に推定する。
論文 参考訳（メタデータ） (2020-06-19T21:09:26Z)
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。