【CIKM】无偏见排序学习：理论与实践 135页 PPT 教程

【导读】隐式反馈(如用户点击)是现代搜索引擎的重要数据来源。尽管存在严重的偏见，但它的收集成本很低，对于以用户为中心的检索应用程序(如搜索排名)尤其有用。但是用户的反馈天差万别，如何拿到真实无偏见的有效信息呢？来自清华大学和马萨诸塞大学阿默斯特分校的研究人员给出了一种答案。

教程链接 |

http://www.cikm2018.units.it/tutorial8.html

作者 |  Qingyao et al.

整理报道 | huaiwen

摘要

隐式反馈(如用户点击)是现代搜索引擎的重要数据来源。尽管存在严重的偏见，但它的收集成本很低，对于以用户为中心的检索应用程序(如搜索排名)尤其有用。为了开发一种具有偏置反馈的无偏学习-排序系统，前人的研究主要集中在利用用户行为假设构建概率图形模型(如点击模型)来提取和训练具有无偏关联信号的排序系统。最近，一种新的反事实学习框架引起了广泛的关注，该框架估计和采用无偏学习的考试倾向进行排名。尽管它很流行，但是没有系统地比较基于反事实学习和图形模型的无偏见的从学习到排名的框架。在本教程中，我们的目标是提供一个基本的无偏见学习排名机制的概述。我们将描述现有框架背后的理论，并详细说明如何进行无偏学习以在实践中排名。

请关注专知公众号（扫描下方二维码，或点击上方蓝色专知）

• 后台回复“URANK” 就可以获取 最新PPT下载链接~ 

附部分PPT：

-END-

专 · 知

人工智能领域26个主题知识资料全集获取与加入专知人工智能服务群: 欢迎微信扫一扫加入专知人工智能知识星球群，获取专业知识教程视频资料和与专家交流咨询！

请PC登录www.zhuanzhi.ai或者点击阅读原文，注册登录专知，获取更多AI知识资料！

请加专知小助手微信（扫一扫如下二维码添加），加入专知主题群（请备注主题类型：AI、NLP、CV、 KG等）交流~

 AI 项目技术 & 商务合作：bd@zhuanzhi.ai, 或扫描上面二维码联系！

请关注专知公众号，获取人工智能的专业知识！

点击“阅读原文”，使用专知