ランクへの不偏学習:反事実とオンラインアプローチ【JST・京大機械翻訳】

Oosterhuis Harrie; Jagerman Rolf; de Rijke Maarten

文献

J-GLOBAL ID：202002224616430543 整理番号：20A1715790

ランクへの不偏学習:反事実とオンラインアプローチ【JST・京大機械翻訳】

Unbiased Learning to Rank: Counterfactual and Online Approaches

出版者サイト複写サービスで全文入手
高度な検索・分析はJDreamⅢで {{ this.onShowJLink("http://jdream3.com/lp/jglobal/index.html?docNo=20A1715790&from=J-GLOBAL&jstjournalNo=D0698C") }}

著者 (3件)： , ,
資料名：
号： WWW ’20 ページ： 299-300 発行年： 2020年
JST資料番号： D0698C 資料種別：会議録 (C)
記事区分：原著論文発行国：アメリカ合衆国 (USA) 言語：英語 (EN)

このチュートリアルは,偏ったユーザインタラクションから不偏のユーザ選好を学習することを目的とする最近の研究分野であるRankに対する非バイアス学習である。著者らは,Rank(CLTR)とOnline学習(OLTR)とそれらの根底にある理論に対する,非バイアス学習における方法の2つの主要なファミリーの概観を提供する。第1に,チュートリアルは,一般的学習からランク(LTR)分野への簡単な紹介と,従来の教師つきLTR方法のための困難ユーザ相互作用姿勢を始める。第2部は,クリックモデルから打ち勝つLTR分野であるRank(CLTR)に対する対抗的学習をカバーする。ユーザバイアスの明示的モデルを用いて,CLTR法はそれらの学習プロセスにおいてそれらを補正し,歴史的データから学習できる。これらの方法の他に,特定のバイアスが推定できるような実際的考察もカバーする。チュートリアルの第三部では,オンライン学習(OLTR),ユーザとの直接相互作用で学習する方法,および結果を示す確率を加えることによりバイアスを扱う方法に焦点を当てた。著者らは,バンドット技術および最も最近のペアワイズ微分可能なアプローチを,カスケード化帯域にカバーする。最後に,チュートリアルの結論部分において,両方のアプローチを対比して,それらの相対強度と弱点を強調して,研究の将来方向を示した。LTR実務者にとって,著者らの比較は,方法間の選択がどのようになされるべきであるかに関する指針を与える。情報検索(IR)の分野に対して,方法論間の理解と選択のために不偏のLTRに関する本質的な指針を提供することを目指した。Please refer to this article’s citation page on the publisher website for specific rights information. Translated from English into Japanese by JST.【JST・京大機械翻訳】

, , , , ,
, , , , 【Automatic Indexing@JST】

人工知能

前のページに戻る