短视频推荐中基于相对优势的观看时长去偏框架
机器学习
2025-11-26 v3 信息检索
摘要
观看时长广泛用作视频推荐平台用户满意度的代理指标。然而，原始观看时长受视频时长、流行度和 individual user behaviors等混杂因素的影响，可能扭曲偏好信号，导致偏差的推荐模型。我们提出了一种 novel relative advantage debiasing framework，通过将观看时长与以用户和项目组为条件的经验派生参考分布进行比较来纠正观看时长。该方法产生基于分位数的偏好信号，并引入两种阶段的架构，显式地将分布估计与偏好学习分离。此外，我们提出了分布式嵌入来高效参数化观看时长分位数，而无需在线抽样或存储历史数据。实验结果表明，与现有基线方法相比，我们的方法在推荐准确性和鲁棒性方面均取得显著改进。
引用
@article{arxiv.2508.11086,
title = {Relative Advantage Debiasing for Watch-Time Prediction in Short-Video Recommendation},
author = {Emily Liu and Kuan Han and Minfeng Zhan and Bocheng Zhao and Guanyu Mu and Yang Song},
journal= {arXiv preprint arXiv:2508.11086},
year = {2025}
}