CausalRec：面向视觉感知推荐中视觉去偏的因果推断
信息检索
2021-07-14 v3
摘要
电子商务平台上的视觉感知推荐旨在利用物品的视觉信息预测用户偏好。通常观察到，用户对视觉特征的关注并不总反映真实偏好。尽管用户可能因视觉上满足预期而点击并查看某物品，但由于其他关键特征（如品牌、材质、价格）未满足，真实购买未必发生。我们将这种视觉相关交互偏离真实偏好的原因称为视觉偏差。现有视觉感知模型将视觉特征作为与其他特征类似的独立协同信号，直接预测用户偏好而未考虑潜在偏差，从而导致视觉偏差推荐。本文中，我们推导因果图以识别并分析这些现有方法的视觉偏差。在该因果图中，物品的视觉特征充当中介变量，可能在用户与物品间引入虚假关系。为消除误导用户真实偏好预测的此虚假关系，我们在中介变量上发展了干预与反事实推断。特别地，在模型测试阶段应用总间接效应进行去偏预测。该因果推断框架与模型无关，可集成至现有方法中。此外，我们提出一种去偏视觉感知推荐系统，记为 CausalRec，以有效保留视觉信息的支持性意义并去除视觉偏差。在八个基准数据集上的大量实验表明 CausalRec 的业界最优性能及去偏的有效性。
引用
@article{arxiv.2107.02390,
title = {CausalRec: Causal Inference for Visual Debiasing in Visually-Aware Recommendation},
author = {Ruihong Qiu and Sen Wang and Zhi Chen and Hongzhi Yin and Zi Huang},
journal= {arXiv preprint arXiv:2107.02390},
year = {2021}
}