个性化系统中用户学习的因果估计
统计方法学
2023-06-02 v1 机器学习
计量经济学
摘要
在在线平台中，处理对观测结果的影响会随时间变化，因为 1）用户了解该干预，以及 2）系统个性化（如个性化推荐）随时间改变。我们引入了一个个性化系统中用户行为的非参数因果模型。我们表明，为测量用户学习效应而设计的 Cookie-Cookie-Day（CCD）实验在存在个性化时是有偏的。我们推导了新的实验设计，通过对个性化系统进行干预来产生必要的变异，以分别识别由用户学习与个性化所中介的因果效应。做出参数假设后，可基于中期实验估计长期因果效应。在模拟中，我们表明新设计成功恢复了感兴趣的动态因果效应。
引用
@article{arxiv.2306.00485,
title = {Causal Estimation of User Learning in Personalized Systems},
author = {Evan Munro and David Jones and Jennifer Brennan and Roland Nelet and Vahab Mirrokni and Jean Pouget-Abadie},
journal= {arXiv preprint arXiv:2306.00485},
year = {2023}
}
备注
EC 2023