ExCalibR：推荐的期望校准

在许多推荐系统和搜索问题中，除了提供高度相关的内容外，呈现一组良好平衡的结果也可能是一个重要目标。例如，在电影推荐系统中，实现不同题材的某种平衡可能是有益的；同样，在高度热门与高度个性化节目之间取得平衡可能也很重要。此类平衡可跨多个类别考量，并可能因增强用户体验、商业考量、公平性目标等而被需要。本文考虑针对物品上任意给定类别进行校准的问题。我们提出了一种通过线性规划优化问题来平衡相关性与校准之间权衡的方法，其中我们学习一个双随机矩阵以在期望上实现最优平衡。随后我们利用双随机矩阵的 Birkhoff-von Neumann 分解来实现所学策略。在提出的基本方法之上考虑了若干优化以使其快速。实验表明，与许多其他基线相比，所提公式能实现更好的权衡。本文并未针对应用普遍规定需校准的确切类别（如题材）。这可能取决于特定任务或商业目标。本文的主要贡献在于提出了一个可应用于多种问题的框架，并通过若干用例展示了所提方法的有效性。