TL;DR, 本文感觉像是一篇大作业文章，应该还不是终稿，有很多typo而且写得不那么易懂，但Stefan Wager是作者之一。主要讨论两个常见的用于估计“异质处理效应”（HTE）的forest模型，causal forest和model-based forest，这两个模型之间的差异，以及是什么技巧使得这两个模型效果非常好。 结论是，当存在较强confounding时，对于是否施加treatm ...

一年香 时间飞快，来杭也一年了，今天整理一下对这一年的思考与复盘。 关于工作 感觉在阿里（目前在淘特，可能阿里不同BU情况也不同，下简称阿里）的第一年，对当下互联网公司算法的工作职责有了更深的理解，或者说是纠正了之前的一些理解。同时，我一直认为“看见”得更多，才能“思考”得更多，当有机会跳出当前环境看见更多不一样的事情，才有机会思考是什么造成了这些差异，以及哪些是更适合自己的。 电商平台 和 ...

TL;DR 本文提出一种通用的智能出价框架，可以满足不同广告主关于竞价目标和约束的诉求，具体出价调控算法的实现为DDPG，目前该算法已经在淘宝广告平台部署使用。 Abstract In online display advertising, advertisers usually participate in real- time bidding to acquire ad impression ...

TL;DR LinkedIn发表在KDD2020上的文章，主要想解决在信息流中，如何将自然推荐物品和广告进行混排的问题，文中将该问题建模为带约束的优化问题，并提出了一种归并排序的方式。 目前这种方法及其衍生版本、简化版本，在日常工作中都非常常见，基本可以作为自然推荐和广告混排问题的baseline solution了。 摘要 Social networks and content publish ...

TL;DR, 预算约束+效率成本约束下，最优广告出价策略，双PID在线调节超参数（对偶变量） 摘要 Real-Time Bidding (RTB) is an important paradigm in display advertising, where advertisers utilize extended information and algorithms served by Dema ...

TL;DR, 很早期的阿里妈妈在广告出价方向的实践，细节比较多，很适合做baseline。 但很多做法以及解法在今天来看都比较过时了，后续会逐渐写近几年怎么做出价问题的。 摘要 Taobao, as the largest online retail platform in the world, provides billions of online display advertising im ...

这篇文章是广告预算控制平滑的第二篇经典文章解读，来自Yahoo，KDD2015。 与之前LinkedIn那篇文章类似，这篇文章也是用概率节流的方式进行预算控制，同时这篇文章考虑有无效率保障情况下，如何平滑预算消耗。 摘要 In targeted online advertising, advertisers look for maximizing campaign performance und ...

最近恶补了一波广告相关文章，本文是预算控制平滑方面很经典的文章之一，由LinkedIn团队发表在KDD2014上。 摘要 Targeted online advertising is a prime source of revenue for many Internet companies. It is a common industry practice to use a generalize ...

最近要做一些和广告出价相关的工作，恶补了一下广告相关的知识，这篇文章是WWW2020 腾讯的文章，解决广告场景下的概率校准问题。 问题背景 如果一个模型的概率预测值等于真实的输出，那么就可以说这个机器学习模型是校准良好的（well-calibrated）。当模型在一个测试数据集或者其任意子集上，如果估计概率值为\(p\)，那么实际结果中\(y=1\)的样本占比也应该为\(p\)​。 在很多场景上， ...

TL;DR 提出一种新的回归Loss来建模用户的长期价值，解决LTV分布并非高斯分布，而是一部分为0和一部分服从log normal的问题。 正文 先读Abstract。 Accurate predictions of customers’ future lifetime value (LTV) given their attributes and past purchase behavior ...