基于因果推断视角的用户新事件预测
统计方法学
2025-04-07 v3 机器学习
摘要
建模和分析由异构行为模式的用户生成的事件序列在我们日常生活中至关重要，包括信用卡欺诈检测、在线平台用户推荐和社交网络分析等。目前最常用的做法是将用户划分为基于行为的类别，并分别对每一类别进行分析。然而，这需要大量数据才能充分理解用户行为，导致在缺乏显著历史知识的新用户建模方面存在挑战。本文提出了一种面向新用户、无需了解用户类别的离散事件预测框架。我们将用户事件历史视为“处理”用于预测未来事件，将用户类别视为关键混杂因素。因此，预测问题可建模为反事实结果估计，其中每个事件将根据其逆倾向得分进行加权。我们通过数值模拟研究以及两个真实世界应用（包括 Netflix 评分预测和Amazon 客户支持中的卖家联系预测）展示了所提框架的改进性能。
引用
@article{arxiv.2407.05625,
title = {New User Event Prediction Through the Lens of Causal Inference},
author = {Henry Shaowu Yuchi and Shixiang Zhu and Li Dong and Yigit M. Arisoy and Matthew C. Spencer},
journal= {arXiv preprint arXiv:2407.05625},
year = {2025}
}