从优化参与度到度量价值
社会与信息网络
2021-07-20 v2 机器学习
机器学习
摘要
当今大多数推荐引擎基于预测用户参与度，例如预测用户是否会点击某条目。然而，参与度信号与值得优化的期望“价值”概念之间可能存在巨大鸿沟。我们利用测量理论框架来（a）使设计者面对关于其看重什么这一规范性问题，（b）提供一种通用的潜变量模型方法，可用于将目标构念操作化并直接对其优化，以及（c）引导设计者评估并修订其操作化定义。我们在 Twitter 平台上对数百万用户实现了我们的方法。契合既有的测量效度评估方法，我们对模型捕捉期望“价值”概念的程度进行了定性评估。
引用
@article{arxiv.2008.12623,
title = {From Optimizing Engagement to Measuring Value},
author = {Smitha Milli and Luca Belli and Moritz Hardt},
journal= {arXiv preprint arXiv:2008.12623},
year = {2021}
}
备注
Published at FAccT'21