请注意邻域效应：在干扰情形下的选择偏差建模
机器学习
2024-05-01 v1 信息检索
机器学习
摘要
推荐系统中的选择偏差源于系统过滤过程和用户选择过程的相互作用。许多先前的研究聚焦于解决选择偏差以实现预测模型的无偏学习，但忽略了给定用户-项目对的潜在结果可能因分配给其他用户-项目对的处理而变化，称为邻域效应。为填补这一空白，本文从因果推断的角度正式形式化邻域效应作为一种干扰问题，并引入治疗表示来捕获邻域效应。基于此，我们提出一种可用于处理邻域效应下的选择偏差的新型理想损失函数。我们进一步开发了两种新的估计器，用于估计所提议的理想损失。我们在理论上建立了所提议方法与忽略邻域效应的先前去偏方法之间的联系，表明在选择偏差和邻域效应同时存在时，所提议的方法可实现无偏学习，而现有方法则受偏差影响。 conducted extensive semi-synthetic and real-world experiments to demonstrate the effectiveness of the proposed methods.
引用
@article{arxiv.2404.19620,
title = {Be Aware of the Neighborhood Effect: Modeling Selection Bias under Interference},
author = {Haoxuan Li and Chunyuan Zheng and Sihao Ding and Peng Wu and Zhi Geng and Fuli Feng and Xiangnan He},
journal= {arXiv preprint arXiv:2404.19620},
year = {2024}
}
备注
ICLR 24