机器之心编辑部
本文中,研究者提出了一个基于工具变量的模型无关的因果学习框架 IV4Rec,从而利用搜索数据辅助推荐模型。该框架将搜索的 query 作为 IVs 来将推荐系统中的 embedding 分解为因果和非因果的部分,再将它们联合起来探索不同机制对于推荐结果的影响。此外,IV4Rec 将传统的 IVs 的方法和深度学习结合,提供了一个端到端的框架来学习模型的参数。研究者在快手短视频数据集和公开数据集 MIND 上的实验验证了该框架的有效性。
论文链接:https://arxiv.org/abs/2202.04514
现有搜索推荐联合的模型与方法并没有从深层次发掘和利用搜索行为与推荐模型之间的因果关系;
现有推荐模型普遍没有考虑到训练过程中产生的各种 bias,多种 bias 组成的 confounder 会影响模型的训练。
© THE END
转载请联系本公众号获得授权
投稿或寻求报道:content@jiqizhixin.com