프라이버시 환경에서 광고 전환 예측을 위한 귀무표집 손실 추정 및 일반화 이론

초록

본 논문은 쿠키 폐지와 프라이버시 보호 API로 인해 클릭과 전환을 직접 연결할 수 없는 상황을 모델링한다. 광고 클릭 집합(귀무표집)만 관찰되는 환경에서, 저자들은 전환 손실의 무편향 추정량을 설계하고, 이를 최소화하는 경험적 위험 최소화(ERM) 방법이 사전 분포의 집중도에 따라 일반화 오차가 결정되는 새로운 이론적 경계를 가짐을 증명한다. 또한 사전 추정 오류에 대한 강인성을 보이며, MNIST·CIFAR‑10·Higgs 데이터셋 실험을 통해 기존 휴리스틱보다 현저히 우수함을 입증한다.

상세 분석

이 연구는 광고 산업에서 급부상하는 프라이버시 제약을 통계학적으로 정형화한다. 클릭(X)과 전환(Y) 사이의 직접적인 라벨링이 차단된 대신, 전환마다 ‘귀무표집(attribution set)’이라 불리는 후보 클릭 집합이 제공된다. 저자들은 이 과정을 ‘무지(adversary)’가 사전 π에 따라 후보 집합을 생성하는 확률적 메커니즘으로 모델링한다. 핵심 기여는 두 단계로 나뉜다. 첫째, 귀무표집으로부터 기대 손실 L(h)=E