通过排序偏置消除 CTR 预测中的位置偏置

位置偏置，即用户对物品放置位置的偏好，会影响物品的偏好，这在推荐系统文献中已广泛研究。然而，大多数现有方法忽略了与放置位置相关的广泛存在的排序偏置。我们首先通过使用合成数据和工业数据，展示了这种广泛共存的排序偏置如何损害现有位置偏置估计方法的性能。为消除位置偏置，我们提出一种新颖的位置偏置估计方法，即梯度插值，利用融合权重融合两种估计方法。我们进一步提出一种自适应方法，以自动确定最佳融合权重。在合成数据和工业数据上的广泛实验表明，所提出的方法性能卓越。