LBCF:大規模予算制約付き因果的森林アルゴリズム【JST・京大機械翻訳】

Ai Meng; Li Biao; Gong Heyang; Yu Qingwei; Xue Shengjie; Zhang Yuan; Zhang Yunzhou; Jiang Peng

プレプリント

J-GLOBAL ID：202202215405718090 整理番号：22P0281745

LBCF:大規模予算制約付き因果的森林アルゴリズム【JST・京大機械翻訳】

LBCF: A Large-Scale Budget-Constrained Causal Forest Algorithm

出版者サイト {{ this.onShowPLink() }} 複写サービスで全文入手
高度な検索・分析はJDreamⅢで

この文献はプレプリントです。プレプリントについてはこちらをご確認ください。

著者 (8件)： , , , , , , ,
資料名：
発行年： 2022年01月29日プレプリントサーバーでの情報更新日： 2022年02月18日
JST資料番号： O7000B 資料種別：プレプリント
記事区分：プレプリント発行国：アメリカ合衆国 (USA) 言語：英語 (EN)

※このプレプリント論文は学術誌に掲載済みです。なお、学術誌掲載の際には一部内容が変更されている可能性があります。

ユーザへのインセンティブ(例えば,アマゾンでのクーポン,Uberの割引,およびTiktokでのビデオブンズ)は,ユーザ関与とプラットフォーム収入を増加させるためにオンラインプラットフォームによって使用される一般的戦略である。その有効性にもかかわらず,これらのマーケティングインセンティブは避けられないコストを招き,適切に使用しないならば,低いROI(投資のリターン)をもたらすかもしれない。一方,異なるユーザは,これらのインセンティブに異なる応答があり,例えば,いくつかのユーザは,クーポンなしで特定の製品を購入しないが,他は,何も行っている。したがって,予算制約の下で各ユーザに対するインセンティブ(すなわち,処理)の正しい量を選択する方法は,大きな実際的含意を有する重要な研究問題である。本論文では,そのような問題を予算制約処理選択(BTS)問題と呼ぶ。課題は,大スケールデータセットに関するBTS問題を効率的に解決する方法であり,既存の技術に関する改良結果を達成する方法である。著者らは,現代の分散コンピューティングシステムに適した効率的処理選択アルゴリズムである,大スケールBudget制約Causal森林(LBCF)アルゴリズムと呼ばれる,予算制約の下で,新しいツリーベースの処理選択技術を提案する。ランダム化比較試験(RCT)データにおけるBTS問題に対する解の性能を評価する際に,新しいオフライン評価法を提案した。大規模ビデオプラットフォームに関する実世界シナリオにおいて著者らのアプローチを展開し,そこでは,プラットフォームがユーザのキャンペーン関与期間を増加させるためにブンスを離れた。シミュレーション解析,オフラインおよびオンライン実験は,著者らの方式が種々のツリーベースの最先端のベースラインより優れていることを示した。提案アプローチは,現在,プラットフォーム上で数百百万のユーザを上回り,これらの月にわたって最も大きな改善の1つを達成した。【JST・京大機械翻訳】

, , , , , , , , , , ,
, , , 【Automatic Indexing@JST】

計算機網

, , , ,

前のページに戻る