当前位置:首页 > 报告详情

董振华 - 推荐系统与反事实学习研究-SMP2020.pdf

上传人: li 编号:30068 2020-12-01 27页 9.51MB

word格式文档无特别注明外均可编辑修改,预览文件经过压缩,下载原文更清晰!
三个皮匠报告文库所有资源均是客户上传分享,仅供网友学习交流,未经上传用户书面授权,请勿作商用。
本文主要探讨了推荐系统中的反事实学习,旨在解决由于用户选择偏置和数据观测限制导致推荐结果偏差的问题。文章首先回顾了推荐系统的研究简史,包括早期的信息过滤和协同过滤技术,以及近年来深度学习在推荐系统中的应用。随后,文章提出了面向推荐系统的反事实学习方法,包括直接构建反事实样本、使用逆倾向得分修正观测数据、双重稳健方法以及联合学习无偏数据和有偏数据等策略。 核心数据如下: 1. 推荐系统研究简史:1992年提出信息过滤与信息检索的概念,1994年GroupLens新闻推荐系统问世,1996年Net Perceptions公司成立,1997年MovieLens数据集发布,2000年提出SVD模型,2006-2009年Netflix Prize竞赛推动了低秩模型研究,2007年ACM RecSys会议举办,2010年提出因子分解机模型,2011年用户中心推荐系统研究关注多样性、惊喜、新颖性等指标。 2. 推荐系统挑战:位置偏置、选择偏置、观测数据偏差等。 3. 反事实学习在推荐系统的应用:构建全量样本的反事实数据,使用无偏数据学习插补模型,修正有偏样本的标签,以及基于影响函数的样本调权等方法。 综上,文章提出了多种反事实学习策略,以期在推荐系统中实现无偏的推荐结果,提高推荐系统的准确性和公平性。
"推荐系统如何应对数据偏置挑战?" "反事实学习在推荐系统中的应用现状与挑战是什么?" "如何结合无偏数据和有偏数据提高推荐系统的准确性?"
客服
商务合作
小程序
服务号
折叠