Skip navigation
Please use this identifier to cite or link to this item: https://libeldoc.bsuir.by/handle/123456789/64599
Title: Синтетические данные для обучения рекламных моделей в электронной коммерции: методы генерации, приватность и ограничения
Other Titles: Synthetic data for training advertising models in e-commerce: generation methods, privacy, and limitations
Authors: Нуансенгси, Д. В.
Keywords: материалы конференций;синтетические данные;CTGAN;CTR-прогнозирование;электронная коммерция;дифференциальная приватность;model collapse;аугментация данных
Issue Date: 2026
Publisher: БГУИР
Citation: Нуансенгси, Д. В. Синтетические данные для обучения рекламных моделей в электронной коммерции: методы генерации, приватность и ограничения = Synthetic data for training advertising models in e-commerce: generation methods, privacy, and limitations / Д. В. Нуансенгси // Электронные системы и технологии : сборник материалов 62-й научной конференции аспирантов, магистрантов и студентов БГУИР, Минск, 13–17 апреля 2026 г. / Белорусский государственный университет информатики и радиоэлектроники ; редкол.: П. В. Камлач [и др.]. – Минск, 2026. – С. 116–118.
Abstract: Рассмотрены методы генерации синтетических данных (CTGAN, TVAE, диффузионные модели) для обучения рекламных CTR-моделей в электронной коммерции. Предложена методика оценки влияния синтетических данных на качество модели с использованием набора данных Criteo. Установлено, что аугментация выборки синтетическими примерами повышает AUC на 2,9%, тогда как полная замена реальных данных приводит к model collapse (–8,6% AUC). Обоснована необходимость гибридного подхода с применением дифференциальной приватности.
Alternative abstract: Methods of synthetic data generation (CTGAN, TVAE, diffusion models) for training advertising CTR models in e-commerce are investigated. It is established that augmentation with synthetic samples improves AUC by 2.9%, while complete replacement leads to model collapse (– 8.6% AUC). The necessity of a hybrid approach with differential privacy is substantiated.
URI: https://libeldoc.bsuir.by/handle/123456789/64599
Appears in Collections:Электронные системы и технологии : материалы 62-й конференции аспирантов, магистрантов и студентов (2026)

Files in This Item:
File Description SizeFormat 
Nuansengsy_Sinteticheskie.pdf268.25 kBAdobe PDFView/Open
Show full item record Google Scholar

Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.