【曝光偏差】WWW 2021Unbiased Sequential Recommendation with Latent Confounders

#论文题目：【曝光度偏差】Unbiased Sequential Recommendation with Latent Confounders（具有潜在混杂因素的无偏序贯推荐）
#论文地址：https://dl.acm.org/doi/10.1145/3485447.3512092
#论文源码开源地址：暂无
#论文所属会议：WWW 2022
#论文所属单位：人大

一、摘要

由于存在曝光偏差，观测数据可能受到曝光和选择的偏差，这使得学习的序列模型不可靠。为了解决这一基本问题，本文提出用潜在结果框架重新表述序列化推荐任务，在这个框架中，我们能够清楚地理解数据偏差机制，并通过使用反向倾向评分（IPS）重新加权训练实例来纠正它。为了提高建模的鲁棒性，在IPS估计中采用了裁剪策略，以减小学习目标的方差。为了使框架更加实用，设计了一个参数化模型来消除潜在的混杂因子的影响。最后，从理论上分析了该框架在IPS权重下和裁剪IPS权重下模型估计的无偏性。据我们所知，这是关于序列化推荐系统纠偏的第一项工作。我们在合成数据集和真实数据集上进行了广泛的实验，以证明我们的框架的有效性。

二、文章架构

由于这篇文章涉及到很多数学公式，从理论层面提出一种解决曝光偏差的方法，在此不做详细说明。论文链接见上方。