文献

J-GLOBAL ID：202202289633123904   整理番号：22A0930971

レコメンダーシステムのための不偏でロバストな因果ランキングに向けて【JST・京大機械翻訳】

Towards Unbiased and Robust Causal Ranking for Recommender Systems

著者 (2件)： Xiao Teng (Pennsylvania State University, State College, PA, USA) ,  Wang Suhang (Pennsylvania State University, State College, PA, USA)
資料名： ACM Proceedings  (ACM Proceedings)
号： WSDM ’22  ページ： 1158-1167  発行年： 2022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)

抄録/ポイント： 推薦システムに対する不偏でロバストな因果推定によるランキング計量を最適化する問題を研究した。ユーザは,アイテムが推奨されているかどうかにかかわらず,アイテムをクリック/購入するかもしれない。したがって,より大きな因果関係でより高い推薦とランクアイテムの因果関係を推定することが重要である。しかし,ほとんどの既存の研究は,通常,大きなバイアスと分散を持つ推薦の精度の改善に焦点を合わせている。したがって,本論文では,因果推薦システムに対する一般的かつ理論的に厳密なフレームワークを提供し,それは,交絡バイアスによるランキングメトリックのための不偏評価および学習を可能にした。最初に,不偏ランキング評価に対するロバスト推定子を提案し,この推定器がより小さなバイアスと分散を有することを理論的に示した。次に,推定調整とより良い一般化のための傾向スコアの充足を利用するために,深い変分情報ボトルネック(IB)アプローチを提案した。また,学習限界を提供し,原因計量を最適化するための不偏学習アルゴリズムを開発した。半合成と実世界データセットの結果は,著者らの評価と学習アルゴリズムが既存の方法を著しく凌ぐことを示した。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】

シソーラス用語： 因果律 ,  最適化 ,  変分法 ,  学習 ,  評価 ,  精度 ,  等級づけ ,  バイアス ,  ロバスト推定 ,  *ロバスト性 ,  学習アルゴリズム
準シソーラス用語： 推奨システム ,  ホップ数 ,  傾向スコア ,  半合成 , 【Automatic Indexing@JST】

著者キーワード (3件)： 因果推論 ,  反事実的学習 ,  レコメンダーシステム

分類 (2件)： その他の情報処理  (JE15050M) ,  人工知能  (JE08000Z)

タイトルに関連する用語 (2件)： ロバスト ,  ランキング