PulseAugur
中
实时 09:25:14
English(EN) MAC: A Conversion Rate Prediction Benchmark Featuring Labels Under Multiple Attribution Mechanisms

新的基准和库推动转化率预测中的多归因学习

作者 PulseAugur 编辑部 · [1 个来源] ·

研究人员推出了多归因基准 (MAC)，这是首个包含来自多种归因机制标签的转化率预测公开数据集。该基准旨在推动多归因学习 (MAL) 的发展，MAL 是一种通过利用多样化的转化标签来提高模型性能的范式。该研究还提出了 PyMAL，一个用于 MAL 方法的开源库，并介绍了一种新颖的方法——非对称专家混合模型 (MoAE)，该模型在 MAC 数据集上表现出卓越的性能。 AI

影响 这项研究提供了一个新的基准和工具来推动多归因学习，有可能提高转化率预测模型的准确性。

排序理由 该集群描述了一篇介绍特定机器学习任务的新基准数据集和新颖模型的新学术论文。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.AI 阅读 →

AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →

新的基准和库推动转化率预测中的多归因学习

报道来源 [1]

  1. arXiv cs.AI TIER_1 English(EN) · Jinqi Wu, Sishuo Chen, Zhangming Chan, Yong Bai, Lei Zhang, Sheng Chen, Chenghuan Hou, Xiang-Rong Sheng, Han Zhu, Jian Xu, Bo Zheng, Chaoyou Fu ·

    MAC：一个具有多归因机制标签的转化率预测基准

    arXiv:2603.02184v2 Announce Type: replace-cross Abstract: Multi-attribution learning (MAL), which enhances model performance by learning from conversion labels yielded by multiple attribution mechanisms, has emerged as a promising learning paradigm for conversion rate (CVR) predi…

相关实体

相关话题