抄録/ポイント:
抄録/ポイント
文献の概要を数百字程度の日本語でまとめたものです。
部分表示の続きは、JDreamⅢ(有料)でご覧頂けます。
J-GLOBALでは書誌(タイトル、著者名等)登載から半年以上経過後に表示されますが、医療系文献の場合はMyJ-GLOBALでのログインが必要です。
推薦の介入特性は近年ますます注目を集めている。特に,研究者は学習を定式化し,因果推論とデータ欠測非ランダム問題として推薦を評価することを動機づける。しかし,重複の重要な仮定を違反する結果はほとんどなく,その結果,著者らは,結果の妥当性と解釈を著しく脅かすことができることを証明した。情報検索(IR)システムの現在の理解に欠いている重要な部分を見つける:介入として,推薦は既に観測されたデータに影響するだけでなく,関心の標的領域(分布)にも干渉する。次に,そのパターンを,観察されたドメインからその介入ドメインに学習するパターンを最良に輸送する介入を見つけるので,推薦を最適化する。この目的のために,推薦の学習-介入機構を特性化するためにドメイン輸送を使用した。原理的輸送制約リスク最小化目標を設計し,それを2層ミニマックスゲームに変換する。提案した目的に対する一貫性,一般化,および過度のリスク限界を証明し,それらが現在の結果と比較する方法を詳しく述べた。最後に,著者らのアプローチの利点を実証し,実世界IRシステムによるオンラインテストを打ち出すために,広範囲な実データおよび半合成実験を行った。【JST・京大機械翻訳】