酒店搜索中处理位置偏差以实现无偏学习排序
信息检索
2020-03-02 v1 机器学习
摘要
如今,搜索排序与推荐系统依赖大量数据来训练机器学习模型(如学习排序(LTR)模型)以对给定查询的结果进行排序,而隐式用户反馈(如点击数据)因其丰富且低成本已成为数据采集的主要来源,对大型互联网公司尤为如此。然而,该数据采集方式的一个缺陷是数据可能存在高度偏差,其中最重要的偏差之一是位置偏差,即用户偏向于点击排名靠前的结果。在本工作中,我们研究在Tripadvisor酒店搜索的在线测试环境中妥善处理位置偏差的边际重要性。我们提出一种经验上有效的处理位置偏差的方法,充分利用用户行为数据。我们利用如下事实:当用户点击某结果时,他几乎必定已观察到其上方所有结果,而被点击结果下方结果的倾向性将由一种简单而有效的位置偏差模型来估计。在线A/B测试结果表明,该方法带来了改进的搜索排序模型。
引用
@article{arxiv.2002.12528,
title = {Handling Position Bias for Unbiased Learning to Rank in Hotels Search},
author = {Yinxiao Li},
journal= {arXiv preprint arXiv:2002.12528},
year = {2020}
}