#今日论文推荐#【WWW2022】用于分布外推荐的因果表征学习

#今日论文推荐#【WWW2022】用于分布外推荐的因果表征学习

现代推荐系统从历史交互中学习用户表征，这就存在着用户特征变化带来的问题，比如收入的增加。历史交互会将过时的信息注入到与最新的用户特征相冲突的表示中，从而导致不恰当的推荐。在这项工作中，作者考虑了在用户特征发生变化的Out-Of-Distribution (OOD) 环境中的推荐问题，并为表征学习设定了额外的两个目标：强大的OOD泛化能力以及快速的OOD适应能力。

论文题目：Causal Representation Learning for Out-of-Distribution Recommendation
详细解读：https://www.aminer.cn/research_report/627c87a77cb68b460fb60aa8?download=falsehttps://www.aminer.cn/research_report/627c87a77cb68b460fb60aa8?download=false
AMiner链接：https://www.aminer.cn/?f=cs

​