Zzong's Notes

Evaluating Stochastic Rankings with Expected Exposure

1 min read

링크된 언급

1

함께 보면 좋은 글

Top-K Contextual Bandits with Equity of Exposure

Abstract Probability Ranking Principle 에 의하면 top-K items 을 greedy 하게 rank 하는것이 optimal 함 대신 Introduction This work investigates how the “equity of exposure” principle can be...

Unbiased Learning-to-Rank with Biased Feedback

Abstract implicit feedback 을 Learning-to-Rank 방식에 학습할 때 발생하는 bias (e.g., position bias) 를 줄이기 위해 counterfactual inference framework 를 제안 In contrast to most conventional...

Offline AB testing for Recommender Systems

Notation 현재 production policy \pi p 그리고 test policy \pi t X: contextual feature 에 대한 random variable \pi(A\mid X) 는 action A 에 대한 확률 분포 Offline A/B Test 테스트를 수행하기 위해서는...

추천시스템에서 Unbiased Offline Evaluation

핵심 요약 추천 시스템을 온라인 A/B 테스트 없이 오프라인에서 평가하는 방법론. Logging policy로 수집된 편향된 데이터에서 새로운 policy의 성능을 unbiased하게 추정하는 것이 핵심 과제다.

Calibrated Recommendations

Reference paper: dl.acm.org/doi/pdf/10.1145/3240323.3240372 cailbration 의 목적 In the recommended list of items, calibration ensures that the various (past) areas of interest of...