ESMM - 完整空间多任务模型（阿里）

• Entire Space Multi-Task Model: An Effective Approach for Estimating Post-Click Conversion Rate
• ESMM: Entire Space Multi-Task Model
• 论文发表在SIGIR-2018，作者来自阿里妈妈盖坤团队。ESMM被提出用于解决pcvr建模中存在的两个非常重要的问题：样本选择偏差和数据稀疏问题。双塔多任务模型。
• 常说的cvr 即 cvr预估 即 预估广告被点击后的转化率（Post-Click Conversion Rate）即 pcvr。

1、动机

• 目前工业界商业公司流量变现的逻辑背景，一条流量为公司创造商业收入的路径为：请求 →广告曝光→ 广告点击 → 广告转化。
• 样本选择偏差（SSB，sample selection bias）问题。当时业界在训练pcvr模型时，采用的负样本为点击未转化，正样本为点击已转化。训练样本是在有d点击的样本上构建的。然而在实际线上推理时，是对整个样本空间进行推理的，这就导致了样本选择偏差问题。所以相比只用有点击的样本进行训练，ESMM通过将训练样本变成在有曝光的样本空间上进行训练，来缓解这个gap。
• 数据稀疏问题。因为用于pcvr训练的样