面向推荐系统的因果感知邻域方法
信息检索
2021-02-02 v2 机器学习
摘要
推荐系统的业务目标（如增加销量）与推荐的因果效应相一致。先前针对因果效应的推荐系统采用了因果推断中的逆倾向评分（IPS）。然而，IPS 易于遭受高方差问题。匹配估计量是因果推断领域的另一种代表性方法。它不使用倾向，因此免于上述方差问题。在本工作中，我们将传统邻域推荐方法与匹配估计量相统一，并针对推荐的因果效应开发了鲁棒排序方法。我们的实验表明，所提方法在因果效应的排序指标上优于多种基线。结果表明，所提方法相比先前推荐系统可实现更多销量与用户参与。
引用
@article{arxiv.2012.09442,
title = {Causality-Aware Neighborhood Methods for Recommender Systems},
author = {Masahiro Sato and Sho Takemori and Janmajay Singh and Qian Zhang},
journal= {arXiv preprint arXiv:2012.09442},
year = {2021}
}
备注
accepted at ECIR 2021