统一在线与反事实学习排序

基于用户交互优化排序系统是一个被充分研究的问题。基于用户交互优化排序系统的最先进方法分为在线方法——通过直接与用户交互来学习——和反事实方法——从历史事件交互中学习。现有在线方法在没有在线干预时受到阻碍，因此不应以反事实方式应用。反之，反事实方法无法直接受益于在线干预。我们提出了一种面向反事实与在线学习排序（LTR）的新型干预感知估计器。借助该干预感知估计器，我们旨在弥合在线/反事实LTR的分割，因其被证明在在线与反事实场景中均高度有效。该估计器利用基于日志策略行为与在线干预（在收集点击数据过程中对日志策略的更改）的修正，来校正位置偏差、信任偏差与条目选择偏差的影响。我们在半合成实验设置下进行的实验结果表明，与现有反事实LTR方法不同，干预感知估计器可极大受益于在线干预。