VIP内容

题目

修正排序系统中的选择偏差:Correcting for Selection Bias in Learning-to-rank Systems

类型

推荐系统偏差

关键字

推荐系统,学习排名,位置偏差,选择偏差

简介

现代推荐系统收集的点击数据是一个重要的观测数据来源,可用于训练学习排名(LTR)系统。然而,这些数据受到许多偏差的影响,这些偏差可能导致LTR系统性能不佳。在这种系统中,最新的偏差校正方法主要集中在位置偏差上,即排名较高的结果(例如,上搜索引擎的结果)更容易被点击,即使它们不是给出用户查询的最相关的结果。很少有人注意到对选择偏差的纠正,这是因为被选中的文档首先反映了用户拥有的文档。在这里,我们提出了一种新的基于赫克曼两阶段方法的新方法,并对LTR系统中的选择和位置偏差进行了解释。通过实例评价表明,与现有的无偏LTR算法相比,所提出的方法对噪声具有更强的鲁棒性和更好的精度,尤其是在没有位置偏差的情况下。

作者

Zohreh Ovaisi,Ragib Ahsan,伊利诺伊大学芝加哥分校。

Yifan Zhang,中山大学

成为VIP会员查看完整内容
0
23
Top