本文分享阿里巴巴-蚂蚁发表在SIGIR2022的论文：ESCM^2 : Entire Space Counterfactual Multi-Task Model for Post-Click Conversion Rate Estimation [1]。值得一读的工作，看起来推导很多，但对于加强理解样本偏差/优化空间等概念以及提升多任务模型应用有很好的帮助。

论文链接：

https://arxiv.org/abs/2204.05125

ESCM^2在ESMM基础上做了升级，提出了一种新的CVR预估模型，即：全空间反事实多任务模型，借助因果推断来解决ESMM中存在的预估有偏和独立性先验这两大问题。其中，预估有偏(IEB，Inherent Estimation Bias)是指ESMM预估的CVR天然比ground truth的CVR要大；独立性先验(PIP，Potential Independence Priority)是指ESMM在建模CTCVR时，会忽视"转化"依赖于"点击"这一因果关系。因此提出了，利用因果推断中的反事实经验最小化作为正则项来同时解决IEB和PIP问题。在/离线实验表明模型不仅能解决这两大类问题，指标上也显著优于其他基线模型。

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