Zobacz tutaj na spis metod, które analizują: ^5a0d0d
Od razu wskazują na wady metod:
- W IPS jest założenie o tym przestrzeń wszystkich bidów musi być “wystarczająco” wysamplowana
- W Direct Method ryzykiem jest fakt, że “imputation model” może sam być zbiasowany
- Direct Method i Doubly Robust Method wymagają dużych zasobów do trenowania, tzn. w ich przypadkach docelowy model będzie uczony na całej przestrzeni wygranych + przegranych. To powoduje problemy praktyczne z wytrenowaniem modelu
Ich usprawnienia:
- Opierają się na metodzie “Doubly Robust Method”.
- Imputation model trenują na nie-zbiasowanych danych. Nie-zbiasowane dane pochodzą z agresywnego samplowania. Uwaga: założenie w publikacji jest takie, że w ramach jednego bid-requestu wyświetlają zawsze 2 reklamy. Nie rozważają problemu wygrywalności. Ich problem rozpatrywany jest bardziej jako “którą reklamę wyświetlić” niż “które bidy wygrać”, co ogranicza wykorzystanie tego w HIG
- Proponują usprawnienie w trenowaniu modelu tak, aby uczenie było szybsze, ale ich zaproponowana metoda opiera się na szczegółach Field-aware Factorization Machines