#今日论文推荐# 因果如何用于推荐?清华等最新《推荐系统中的因果推理》综述论文,29页pdf阐述因果推荐方法体系
现有的推荐系统方法更多的是对相关性建模,但难于保证推荐系统的鲁棒性等。来自清华中科院等最新《推荐系统中的因果推理》综述论文,全面回顾了基于因果推理的推荐的文献,非常值得关注!
推荐系统在当今的信息过滤中起着至关重要的作用。现有的推荐系统是通过学习数据中的相关性来提取用户偏好的,如协同过滤中的行为相关性,特征-特征,或者预测点击率中的特征-行为相关性。然而,令人遗憾的是,现实世界是由因果关系而不是相关性驱动的,而相关性并不意味着因果关系。例如,推荐系统可以在用户购买手机后向其推荐电池充电器,后者可以成为前者的原因,而这种因果关系是无法逆转的。近年来,为了解决这一问题,推荐系统的研究人员开始利用因果推理来提取因果关系,增强推荐系统。在这项综述中,我们全面回顾了基于因果推理的推荐的文献。首先,我们提出了推荐和因果推理的基本概念,作为后面内容的基础。我们提出了非因果性推荐所面临的典型问题。然后,我们全面回顾了基于因果推理的推荐的现有工作,基于因果推理解决的问题的分类。最后,我们讨论了这一重要研究领域有待解决的问题,以及未来值得关注的工作。
论文题目:Causal Inference in Recommender Systems: A Survey and Future Directions
详细解读:https://www.aminer.cn/research_report/6310b1eb7cb68b460f1179bfhttps://www.aminer.cn/research_report/6310b1eb7cb68b460f1179bf
AMiner链接:https://www.aminer.cn/?f=cs