WSDMJan, 2019

外部策略评估在相似人群建模中的概率身份数据应用

PDF
TL;DR本文评估了近期从 2017 年 9 月到 12 月收集的基于概率构建的数字身份数据对类似目标广告的影响，研究了由小型 cookie 和移动广告标识符构成的大规模身份集合，通过离线策略技术评估了身份助力类似目标的潜力，证明了相对于基准方案的身份助力效果高达 70％的提升，对广告营销具有指导意义。
probabilistic digital identity datalookalike-targeted campaignsidentity-based user modelsoff-policy evaluationidentity-ignorant baseline
发现论文，激发创造
  • 探索 360 度客户视角进行相似模型建模

    本文提出了一种新的框架来统一客户的不同行为或特征，例如人口统计数据、不同平台上的购买行为、客户忠诚度等，从而建立一个类似模型来提高 Rakuten 集团的客户定位的效果。实验结果表明，这种类似模型对于用户定位任务是有效的。

    Apr, 2023

  • 使用多个记录器生成的日志赌器反馈进行有效评估

    本文研究了如何利用历史数据来预测目标策略的性能，并提出了两种替代方法，相比于传统方法，能够更准确地评估交互式系统的新政策。

    Mar, 2017

  • 测量再识别风险

    本文提出了一个新的理论框架来测量用户表示中的再识别风险，并应用该框架来模拟 Chrome 的 Topics API，以便用于基于兴趣的广告。

    Apr, 2023

  • 多样化用户行为下排名策略的离线评估

    该研究提出了自适应 IPS（AIPS）的方法来解决 IPS 方法在排名设置中应用的巨大方差问题，还探讨了用户行为多样性的影响。该方法极大地提高了排名系统的 OPE 有效性。

    Jun, 2023

  • 基于人工智能的行为点击流数据再识别

    本研究证明了基于行为模式的人员再识别可以通过类似的技术成功实现，也证明了数据扰动并不能提供保护，但合成数据可以提供一个具有弹性的可行的替代方案。

    Jan, 2022

  • 反事实学习方法的大规模验证：一个测试平台

    本研究提供并使用实际数据和标准测试平台，基于广告展示探索了历来研究最新的无政策评估和学习方法（如双重优化、POEM 和基于回归基线的监督学习），结果表明最新的无政策学习方法可以改进大规模真实世界数据集上的历史最优监督学习技术。

    Dec, 2016

  • 我的脸我的选择：用于社交媒体匿名化的增强隐私深度伪造技术

    该研究介绍了三种人脸访问模型，使用深假面替换未经批准的面孔，并提出了适用于此任务的新度量标准，通过在真实数据集和两个合成数据集上测试，证明了该系统的有效性，并对相似性度量、深假面生成器和数据集进行了广泛分析。

    Nov, 2022

  • 决策策略在混淆下的预测性能比较

    我们提出了一种方法来比较决策策略的预测性能，该方法结合了因果推断和离线评估文献中的现代识别方法，并使用我们的框架在真实世界的医疗保险注册政策的预部署评估中进行了应用。

    Apr, 2024

  • 合成数据异常值：身份泄露导航

    通过对合成数据的异常值进行分析，我们的研究发现链接攻击方式可能会导致异常值被重新识别，并且差分隐私等额外安全措施可以预防重新识别，但会损失数据可用性。

    Jun, 2024

  • 指导学习者：基于 Token 归因相似性的专家产品去偏方法控制

    该研究探讨了使用 Product of Experts 算法和 fine-tuning 策略在自然语言推理和事实验证基准测试上改善避免数据偏差的训练模型对于分布外 (out-of-distribution) 数据的效果。

    Feb, 2023