论文标题：

RLNF: Reinforcement Learning based Noise Filtering for Click-Through Rate Prediction

论文链接：

https://dl.acm.org/doi/pdf/10.1145/3404835.3463012

本文可以看做是负样本筛选方面的一篇文章，主要是考虑到直接采用未点击的样本作为负样本会存在许多的噪声，利用强化学习从原始的负样本中筛选出有效的负样本用于提升ctr模型的性能。

如图所示为模型的总体流程，该方法以PULNS[1]为基础，以噪声过滤器为agent，ctr模型和正负样本数据集（U，P）为环境。主要分为两步：噪声过滤器增强和ctr模型增强。

  • 第一阶段，噪声过滤器遍历包含噪声的负样本数据集U，对于其中的每个样本，以其特征x为输入，输出为动作（决定是否为有效负样本），然后环境基于动作返回奖励，利用基于策略梯度的方式更新噪声过滤器

  • 第二阶段，得到更新后的噪声过滤器选出有效样本的集合N，然后用N和P来增强ctr模型。

内容中包含的图片若涉及版权问题，请及时与我们联系删除