为了消除由样本间分布不一致导致的曝光偏差,并缓解不平衡问题,充分利用广告信息,提出一种全空间内多任务神经网络的点击率联合预测模型(whole space multi-task neural network,WMN),通过构建一个多任务学习框架,将模型训练样本空间由...为了消除由样本间分布不一致导致的曝光偏差,并缓解不平衡问题,充分利用广告信息,提出一种全空间内多任务神经网络的点击率联合预测模型(whole space multi-task neural network,WMN),通过构建一个多任务学习框架,将模型训练样本空间由曝光空间拓展到全体竞价空间,避免了样本分布不一致造成的曝光偏差。进一步改进了模型的损失函数,通过对不同样本赋予不同权重缓解了样本不平衡的问题。在理论上证明了模型预测结果的无偏性,在真实数据集上的实验结果验证了本模型性能的优越性。展开更多
文摘为了消除由样本间分布不一致导致的曝光偏差,并缓解不平衡问题,充分利用广告信息,提出一种全空间内多任务神经网络的点击率联合预测模型(whole space multi-task neural network,WMN),通过构建一个多任务学习框架,将模型训练样本空间由曝光空间拓展到全体竞价空间,避免了样本分布不一致造成的曝光偏差。进一步改进了模型的损失函数,通过对不同样本赋予不同权重缓解了样本不平衡的问题。在理论上证明了模型预测结果的无偏性,在真实数据集上的实验结果验证了本模型性能的优越性。
