解决Position bias 方法之一：PAL算法

共计 470 个字符，预计需要花费 2 分钟才能阅读完成。

PAL算法是华为提出的一个解决Position bias 的方法，先说结论：单独构建一个 Position 网络用于bias建模。区别于以前的训练方式，以前可能是加入到模型里一起训练，这算是与之前的区别，至于为什么这么做是在一定的假设条件下。

文中的假设有两点：

1. 用户看到广告与广告的位置有关
2. 用户点击广告与广告的位置无关

我们看一下公式 ,这个公式是正常的pctr预估贝叶斯公式

p(y=1|x,pos)=p(seen|x,pos)*p(y=1|x,seen,pos)

根据之前的假设的两点，那么公式可以修改为下面的

p(y=1|x,pos)=p(seen|pos)*p(y=1|x,seen)

到这一步，就可以实现分开独立建模了。

优化的 Loss 也是交叉熵

loss=\frac{1}{N}\sum_{i=1}^{n}l(y_i,bctr)=\frac{1}{N}\sum_{i=1}^{n}l(y_i,pctr*probseen)

至此简单的建模就结束了。

看看华为的实验效果

在我们的信息流场景推荐是AB测试也是有一定的提升，有兴趣的可以试试。