推荐系统(RS)在信息搜索方面已经取得了巨大的成功。近年来,为了更好地拟合用户行为数据,人们进行了大量的推荐模型研究。然而,用户行为数据是观察性的,而不是实验性的。这使得各种偏差广泛存在于数据中,包括但不限于选择偏差、位置偏差、暴露偏差。盲目拟合数据而不考虑固有偏差会导致许多严重的问题,例如,离线评估和在线指标之间的差异,损害用户对推荐服务的满意度和信任等。为了将大量的研究模型转化为实际的改进,迫切需要探索偏差的影响,并在必要时制定去偏策略。因此,推荐系统中的偏倚问题及其解决方法引起了学术界和业界的高度关注。

在本教程中,我们旨在系统地回顾关于这个主题的现有工作。我们将介绍推荐系统中的七种偏见,以及它们的定义和特点;调研现有的去偏解决方案及其优缺点;并确定一些开放的挑战和未来的方向。我们希望本教程能激发更多关于这个主题的想法,并促进去偏推荐系统的开发。

https://recsys.acm.org/recsys21/tutorials/#content-tab-1-5-tab

成为VIP会员查看完整内容
40

相关内容

推荐系统,是指根据用户的习惯、偏好或兴趣,从不断到来的大规模信息中识别满足用户兴趣的信息的过程。推荐推荐任务中的信息往往称为物品(Item)。根据具体应用背景的不同,这些物品可以是新闻、电影、音乐、广告、商品等各种对象。推荐系统利用电子商务网站向客户提供商品信息和建议,帮助用户决定应该购买什么产品,模拟销售人员帮助客户完成购买过程。个性化推荐是根据用户的兴趣特点和购买行为,向用户推荐用户感兴趣的信息和商品。随着电子商务规模的不断扩大,商品个数和种类快速增长,顾客需要花费大量的时间才能找到自己想买的商品。这种浏览大量无关的信息和产品过程无疑会使淹没在信息过载问题中的消费者不断流失。为了解决这些问题,个性化推荐系统应运而生。个性化推荐系统是建立在海量数据挖掘基础上的一种高级商务智能平台,以帮助电子商务网站为其顾客购物提供完全个性化的决策支持和信息服务。

知识荟萃

精品入门和进阶教程、论文和代码整理等

更多

查看相关VIP内容、论文、资讯等
【CIKM2021-Tutorial】图挖掘公平性,166页ppt
专知会员服务
30+阅读 · 2021年11月5日
【WSDM2021-Tutorial】偏见感知推荐系统的进展,134页ppt
专知会员服务
49+阅读 · 2021年3月9日
LinkedIn《贝叶斯优化推荐系统》,IJCAI报告,142页ppt
专知会员服务
51+阅读 · 2021年1月11日
【RecSys2020干货教程】对抗机器学习推荐系统,186页ppt
专知会员服务
51+阅读 · 2020年10月10日
最新综述:推荐系统的Bias问题和Debias方法
PaperWeekly
7+阅读 · 2020年11月15日
【推荐系统】16篇最新推荐系统论文送你
深度学习自然语言处理
3+阅读 · 2020年3月7日
推荐系统(一):推荐系统基础
菜鸟的机器学习
25+阅读 · 2019年9月2日
深度 | 推荐系统评估
AI100
24+阅读 · 2019年3月16日
一文简单理解“推荐系统”原理及架构
51CTO博客
8+阅读 · 2018年10月31日
推荐系统概述
Python开发者
11+阅读 · 2018年9月27日
破解YouTube、Facebook推荐系统背后的那些算法
算法与数学之美
4+阅读 · 2018年9月20日
【推荐】RecSys 2017深度总结
LibRec智能推荐
5+阅读 · 2018年3月19日
Arxiv
16+阅读 · 2021年1月27日
Arxiv
3+阅读 · 2020年2月12日
Arxiv
7+阅读 · 2018年1月31日
VIP会员
相关资讯
最新综述:推荐系统的Bias问题和Debias方法
PaperWeekly
7+阅读 · 2020年11月15日
【推荐系统】16篇最新推荐系统论文送你
深度学习自然语言处理
3+阅读 · 2020年3月7日
推荐系统(一):推荐系统基础
菜鸟的机器学习
25+阅读 · 2019年9月2日
深度 | 推荐系统评估
AI100
24+阅读 · 2019年3月16日
一文简单理解“推荐系统”原理及架构
51CTO博客
8+阅读 · 2018年10月31日
推荐系统概述
Python开发者
11+阅读 · 2018年9月27日
破解YouTube、Facebook推荐系统背后的那些算法
算法与数学之美
4+阅读 · 2018年9月20日
【推荐】RecSys 2017深度总结
LibRec智能推荐
5+阅读 · 2018年3月19日
微信扫码咨询专知VIP会员