自从无偏学习排序(ULTR)这一领域成立以来,它一直非常活跃,并且在近年来见证了几项有影响力的进步。这个综述既提供了该领域核心概念的介绍,也概述了其基础的最新进展以及其方法的几个应用。本综述分为四个部分:首先,我们概述了可以通过ULTR方法解决的不同形式的偏差。其次,我们对ULTR领域最新的估计技术进行了全面讨论。第三,我们综述了在真实世界应用中ULTR的发布结果。第四,我们讨论了ULTR与排名公平性之间的联系。最后,我们简要反思了ULTR研究及其应用的未来。这个综述旨在使对开发新的ULTR解决方案或在真实世界应用中利用它们感兴趣的研究人员和行业实践者受益。

https://sites.google.com/view/wsdm-2024-tutorial-ultr/

成为VIP会员查看完整内容
19

相关内容

【CMU博士论文】高斯表示的可微渲染和优化,198页pdf
专知会员服务
26+阅读 · 2023年10月5日
【SIGMOD教程】公平性排序:从价值到技术选择,120页ppt
专知会员服务
29+阅读 · 2023年7月13日
【EACL2021教程】无监督神经机器翻译,125页ppt
专知会员服务
23+阅读 · 2021年11月13日
【干货书】凸随机优化,320页pdf
专知
12+阅读 · 2022年9月16日
【干货书】优化算法,232页pdf
专知
25+阅读 · 2022年9月8日
国家自然科学基金
0+阅读 · 2015年12月31日
国家自然科学基金
0+阅读 · 2015年12月31日
国家自然科学基金
5+阅读 · 2015年12月31日
国家自然科学基金
1+阅读 · 2015年12月31日
国家自然科学基金
0+阅读 · 2015年12月31日
国家自然科学基金
0+阅读 · 2015年12月31日
国家自然科学基金
0+阅读 · 2014年12月31日
国家自然科学基金
0+阅读 · 2014年12月31日
国家自然科学基金
0+阅读 · 2014年12月31日
Arxiv
149+阅读 · 2023年4月20日
A Survey of Large Language Models
Arxiv
378+阅读 · 2023年3月31日
Arxiv
64+阅读 · 2023年3月26日
Arxiv
133+阅读 · 2023年3月24日
VIP会员
相关基金
国家自然科学基金
0+阅读 · 2015年12月31日
国家自然科学基金
0+阅读 · 2015年12月31日
国家自然科学基金
5+阅读 · 2015年12月31日
国家自然科学基金
1+阅读 · 2015年12月31日
国家自然科学基金
0+阅读 · 2015年12月31日
国家自然科学基金
0+阅读 · 2015年12月31日
国家自然科学基金
0+阅读 · 2014年12月31日
国家自然科学基金
0+阅读 · 2014年12月31日
国家自然科学基金
0+阅读 · 2014年12月31日
微信扫码咨询专知VIP会员