具有序列奖励交互的推荐列表反事实评估
机器学习
2020-08-25 v2 信息检索
机器学习
摘要
音乐流媒体、视频流媒体、新闻推荐和电子商务服务的用户通常以序列方式与内容互动。因此，提供和评估良好的推荐序列是这些服务的核心问题。现有的基于重加权的反事实评估方法要么方差较高，要么对奖励做出强独立性假设。我们提出了一种新的反事实估计器，该估计器允许奖励中存在序列交互，同时以渐近无偏的方式实现更低的方差。我们的方法利用关于推荐列表因果关系的图模型假设，对日志策略中的奖励进行重加权，以近似目标策略下的期望奖励总和。在模拟环境和真实推荐系统上进行的大量实验表明，在序列音轨推荐问题上，我们的方法在偏差和数据效率方面均优于现有方法。
引用
@article{arxiv.2007.12986,
title = {Counterfactual Evaluation of Slate Recommendations with Sequential Reward Interactions},
author = {James McInerney and Brian Brost and Praveen Chandar and Rishabh Mehrotra and Ben Carterette},
journal= {arXiv preprint arXiv:2007.12986},
year = {2020}
}