DebiasGAN：通过对抗学习消除新闻推荐中的位置偏差
信息检索
2021-06-14 v1
摘要
新闻推荐对于改善用户新闻阅读体验十分重要。用户的新闻点击行为被广泛用于推断用户兴趣并预测未来点击。然而，点击行为深受网页上展示新闻位置所带来的偏差影响。消除位置偏差对推荐模型的影响以准确刻画用户兴趣十分重要。本文中，我们提出一种名为 DebiasGAN 的新闻推荐方法，可通过对抗学习有效消除位置偏差的影响。我们使用偏差感知点击模型捕捉位置偏差对点击行为的影响，并使用具有随机候选新闻位置的偏差不变点击模型估计理想无偏点击分数。我们将对抗学习技术应用于两模型学习的隐表示，以帮助偏差不变点击模型捕捉用户对新闻的独立于偏差的兴趣。在两个真实世界数据集上的实验结果表明，DebiasGAN 可通过消除位置偏差有效提升新闻推荐的准确性。
引用
@article{arxiv.2106.06258,
title = {DebiasGAN: Eliminating Position Bias in News Recommendation with Adversarial Learning},
author = {Chuhan Wu and Fangzhao Wu and Yongfeng Huang},
journal= {arXiv preprint arXiv:2106.06258},
year = {2021}
}