Debiasing Learning based Cross-domain Recommendation(IPS)
ACM(CCF A)-Siqing Li,Liuyi Yao,Shanlei Mu,Wayne Xin Zhao,Yaliang Li,Tonglei Guo,Bolin Ding,Ji-Rong Wen-2021
思路
虽然众所周知,用户往往会在不同的领域表现出不同的偏好,现有的研究很少建模领域偏见如何影响用户的偏好。于是提出了一种基于域的方法来减轻跨域传输用户信息时的域偏差。即一种新的基于去偏学习的跨域因果嵌入推荐框架,在此框架下,设计了一个新的逆倾向分数IPS估计器,并进一步提出三种限制的倾向分数学习。
对于跨域推荐的主要挑战,即不同域中的用户往往具有不同的行为模式或不同的偏好,于是很难跨域传输有用的信息并了解全面的用户偏好。现有方法主要集中在如何学习有效的信息表示进行跨域迁移,基本思想是通过共享参数、特征映射或语义空间对齐来弥合不同领域之间的语义差距。
【1.在跨领域的情况下,纠正数据选择偏差的广义倾向得分;2.提出一种新的方法来估计特定领域的混淆时的倾向得分;3.模型的用户偏好在不同领域的倾向得分的变化,以处理偏好偏差。】经过通用框架,各种推荐方法可以扩展到跨域推荐。【本文是第一次将去偏学习应用于跨域推荐】
推荐模型
问题定义
D,U,I代表一组域,用户,项目;其中单项表示为d,u,i。设置存在部分用户重叠,不假定项目重叠。相反,来