レコメンダーシステムのオフライン評価に対するサンプリングアプローチ【JST・京大機械翻訳】

Carraro Diego; Bridge Derek

文献

J-GLOBAL ID：202202260911759383 整理番号：22A1172135

レコメンダーシステムのオフライン評価に対するサンプリングアプローチ【JST・京大機械翻訳】

A sampling approach to Debiasing the offline evaluation of recommender systems

出版者サイト複写サービスで全文入手 {{ this.onShowCLink("http://jdream3.com/copy/?sid=JGLOBAL&noSystem=1&documentNoArray=22A1172135&COPY=1") }}
高度な検索・分析はJDreamⅢで {{ this.onShowJLink("http://jdream3.com/lp/jglobal/index.html?docNo=22A1172135&from=J-GLOBAL&jstjournalNo=W0453A") }}

著者 (2件)： ,
資料名：
巻： 58 号： 2 ページ： 311-336 発行年： 2022年
JST資料番号： W0453A ISSN： 0925-9902 資料種別：逐次刊行物 (A)
記事区分：原著論文発行国：ドイツ (DEU) 言語：英語 (EN)

推薦者システム(RSs)のオフライン評価は,多くの場合,しばしば偏った歴史的データに依存する。バイアスはデータ収集プロセスに影響する多くの交絡因子の結果である。このような偏ったデータでは,ユーザ-アイテムインタラクションはランダムでない(MNAR)。MNARテストデータに関する推薦者システム性能の測定値は,バイアスを緩和するために,何も行わない限り,実世界性能の信頼できる指標ではない。研究者が偏ったオフライン評価を得ることを試みている一つの広範な方法は,MNARテストデータの使用のための新しく,想定不偏な性能計量を設計することである。代替解法,サンプリングアプローチを研究した。一般的アイデアは,MNARデータに関するサンプリング戦略を用いて,相互作用がランダム(MAR)または少なくともMAR様である1つの相互作用である,より少ないバイアスを持つ介入試験セットを生成することである。このアプローチの既存の用例はSKEWであり,アイテムの人気が観測されるその尤度に関して,交絡効果を調整することを目的とするサンプリング戦略である。本論文では,RSのオフライン評価におけるバイアス問題に関する文献を広範囲に調査後,WTDと呼ぶ新しいサンプリングアプローチを提案し,定式化した。また,WTD_Hと呼ぶより実用的な変異体を提案した。SKEWとMNARデータのランダム介入を行う2つの基準線に対して,この方法を比較した。SKEWの有効性を初めて実証し,著者らのアプローチが(非バイアス)MARテストデータで得られる性能のより良い推定器であることを示した。著者らの戦略は,高い普遍性(例えば,推薦者を訓練するために採用できる)と低いオーバヘッド(例えば,学習を必要としない)から利益を得る。Copyright The Author(s) 2021 Translated from English into Japanese by JST.【JST・京大機械翻訳】

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

著者キーワード (4件)： , , ,

その他の情報処理 , 人工知能

, ,

前のページに戻る