具有异构用户的推荐系统中的留存诱导偏差
信息检索
2024-10-31 v3
摘要
本文考察了一个包含用户流入和流失动态的推荐系统 (RS) 概念模型。当流入与流失达到平衡时，用户分布进入稳态。改变推荐算法会改变稳态并产生一个过渡期。在此期间，推荐系统的表现与其新的稳态不同。特别是，在过渡期内获得的 A/B 实验指标是推荐系统长期性能的有偏估计。然而，学者和从业者通常在新算法引入后不久就进行 A/B 测试以验证其有效性。这种被广泛视为评估推荐系统改进黄金标准的 A/B 实验范式，因此可能得出错误结论。本文还简要探讨了由用户留存动态引起的数据偏差。
引用
@article{arxiv.2402.13959,
title = {Retention Induced Biases in a Recommendation System with Heterogeneous Users},
author = {Shichao Ma},
journal= {arXiv preprint arXiv:2402.13959},
year = {2024}
}
备注
This preprint has not undergone peer review (when applicable) or any post-submission improvements or corrections. The Version of Record of this contribution is published in advances in Bias and Fairness in Information Retrieval. BIAS 2024. Communications in Computer and Information Science, vol 2227. Springer, and is available online at https://doi.org/10.1007/978-3-031-71975-2_2