论推荐系统中因果学习的机遇：基础、估计、预测与挑战
信息检索
2022-05-19 v3
摘要
近来，基于因果推断的推荐系统（RS）在工业界获得大量关注，并在诸多预测与去偏任务中取得最优性能。然而，统一的因果分析框架尚未建立。许多基于因果的预测与去偏研究极少讨论各类偏差的因果解释及相应因果假设的合理性。本文中，我们首先提供形式化因果分析框架以调研并统一现有因果启发的推荐方法，其可容纳 RS 中不同场景。接着我们提出新分类法，并从违背因果分析所采用假设的角度给出 RS 中各类偏差的形式化因果定义。最后，我们形式化了 RS 中许多去偏与预测任务，并总结基于统计与机器学习的因果估计方法，期望为因果 RS 社区提供新的研究机遇与视角。
引用
@article{arxiv.2201.06716,
title = {On the Opportunity of Causal Learning in Recommendation Systems: Foundation, Estimation, Prediction and Challenges},
author = {Peng Wu and Haoxuan Li and Yuhao Deng and Wenjie Hu and Quanyu Dai and Zhenhua Dong and Jie Sun and Rui Zhang and Xiao-Hua Zhou},
journal= {arXiv preprint arXiv:2201.06716},
year = {2022}
}