解决Position bias 方法之一:PAL算法

628次阅读
一条评论

解决Position

PAL算法是华为提出的一个解决Position bias 的方法,先说结论:单独构建一个 Position 网络用于bias建模。区别于以前的训练方式,以前可能是加入到模型里一起训练,这算是与之前的区别,至于为什么这么做是在一定的假设条件下。

文中的假设有两点:

  1. 用户看到广告与广告的位置有关
  2. 用户点击广告与广告的位置无关

我们看一下公式 ,这个公式是正常的pctr预估贝叶斯公式

p(y=1|x,pos)=p(seen|x,pos)*p(y=1|x,seen,pos)

根据之前的假设的两点,那么公式可以修改为下面的

p(y=1|x,pos)=p(seen|pos)*p(y=1|x,seen)

到这一步,就可以实现分开独立建模了。

解决Position

优化的 Loss 也是交叉熵

loss=\frac{1}{N}\sum_{i=1}^{n}l(y_i,bctr)=\frac{1}{N}\sum_{i=1}^{n}l(y_i,pctr*probseen)

至此简单的建模就结束了。

看看华为的实验效果

解决Position

在我们的信息流场景推荐是AB测试也是有一定的提升,有兴趣的可以试试。

admin
版权声明:本站原创文章,由 admin2022-01-17发表,共计470字。
转载说明:除特殊说明外本站文章皆由CC-4.0协议发布,转载请注明出处。
评论(一条评论)
@LC@ 评论达人 LV.1
2022-01-18 17:31:07 回复

看看