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】