source: https://github.com/WICG/attribution-reporting-api/blob/main/EVENT.md 内容 APIの概要 データの制限とノイズ adのクリックを特定する識別子のsource_event_idは64bit trigger sideのデータは navigationならば3bit、eventならば1bitに制限される ブラウザは確率 p が指定された以下の
https://arxiv.org/abs/1907.11908 内容 Introduction pass Local Differential Privacy 乱択アルゴリズム$ \mathcal{K} $が $\epsilon$-Differential Privacyを満たすとは、最大で1つ要素が異なる2つのデータセット$ D_1, D_2 $に対して、任意の部分集合$ S \subseteq Range(\mathcal{K}) $に対して以下が成り立つことを言う。 \begin{equation} \frac{Pr[\mathcal{K}(D_1) \in S]}{Pr[\mathcal{K}(D_2) \in S]} \leq e^\epsilon \end{equation} 筆者注:差分プライバシーの設定は以下
Rustで独自のエラーを自作する際に以下のようなやらないといけないことが多くあり、面倒です。 std::error::Error traitを実装 読みやすいエラーログを作るために Display traitを実装 他のエラーなどからの変換を容易にするために From<T> traitを実装 また、エラーは構造体
anyhow (https://github.com/dtolnay/anyhow) はRustのエラー処理を扱うライブラリです。 anyhowを使うことで、Go言語にあるエラーのラップを行えるようになります。 使い方 anyhowはCargo.tomlに依存として追加することで使えるようになります。 [dependencies] anyhow = { version = "1", features = ["backtrace"] } エラ
学会: AdKDD 2023 http://papers.adkdd.org/2023/papers/adkdd23-yan-adaensemble.pdf 実験を見て、FMやDCNと大差ないので途中で読むのをやめました。 実務で保守コストを含めて考えると、シンプルなMLPに意味のある特徴量と大量のデータを入れた方がアーキテクチャを複雑にするより性能が良いので・・・ 内容 Sparse MoE (Mixture of Expe
学会: AdKDD 2021 http://papers.adkdd.org/2021/papers/adkdd21-ge-relevance.pdf メモ 問題設定: ECサイトでスポンサーリスティングありの検索結果表示で、score = p (CV確率) * c (販売コスト) + w (重み) * p (CV確率) * b (広告レート) 順に商品を並び替える 課題: 広告の売り上げと商品の販売高にはトレードオ
学会: AdKDD 2021 http://papers.adkdd.org/2021/papers/adkdd21-gu-estimating.pdf メモ uplift modelingと違うと言っているが、提案手法の中で重要なTCVRはConditinal Average Treatment Effect (CATE)と同じである。また、free rider metricは(CVR-CATE)/CVRである。 内容 TCVR(True Post-Click Conversion)=Conditinal Average Treatment Effect (CATE)を推定す
学会: AdKDD 2021 http://papers.adkdd.org/2021/papers/adkdd21-badanidiyuru-modeling.pdf 内容 コンバージョン価値予測の課題 広告主ごとにコンバージョン価値のスケールが違う 外れ値へ過学習する 平均値ではなく、分布を予測したい 問題設定:クリックに紐づくCV価値の総和$\ell$を予測する 課題1の解決策:ラベルを正規化する。広
学会: AdKDD 2017 http://papers.adkdd.org/2017/papers/adkdd17-wang-deep.pdf 内容 Factorization Machinesの一般化であるCross Networkを提案 $x_{l+1}=x_0x_{l}^{T}w_{l}+b_{l}+x_{l}$をCross networkと呼ぶ。$x_0$は入力、$x_{l}$は$l$番目のCr
学会: AdKDD 2021 http://papers.adkdd.org/2021/papers/adkdd21-ng-bayesian.pdf TODO 時系列モデリングや統計モデリングに関する知識が不足しているので、勉強してからよみなおす 内容 Marketing Mix Modelingはマーケティング費用を投資する際に、リターンを理解し、投資の分配方法を最適化するためのツール 問題設定 限界収益が逓減す