- re-use the interaction logs of these systems for batch learning.
Introduction 추천 시스템에서 발생하는 loop 는 bias 를 일으킴 (1) collect data, (2) train model, (3) deploy model loop off-policy learning 에서 biased data 로 부터 unbiased learning 을 지향하는 방법에는 importance sampling or Inverse Propensity Score ...
추천 시스템에서 발생하는 loop 는 bias 를 일으킴 (1) collect data, (2) train model, (3) deploy model loop off-policy learning 에서 biased data 로 부터 unbiased learning 을 지향하는 방법에는 importance...
추천 시스템의 학습은 supervised learning 과 다르다. 추천 시스템은 오직 사용자가 선택한 결과만을 가지고 학습하기 때문에, log data 는 partial information 형식을 지닌다. 반면 지도 학습은 그 사용자에 대해서 가장 적합한 best ranking items 전체를 학습하기...
counterfactual learning technologies for tackling the bias problem in recommendation.
정의 impression, viewable impression Related papers Collaborative Filtering for Implicit Feedback Datasets: Also BPR - Bayesian Personalized Ranking from Implicit Feedback An...
Exposure bias 는 사용자가 모든 item 을 본 것이 아니라, 노출된 item 에 대해서만 feedback 을 남긴다는 데서 생기는 bias 다. 특히 implicit feedback 에서는 관측되지 않은 item 을 negative 로 단순 처리하면 실제로 싫어한 것인지, 그냥 노출되지 않은 것인지...
popularity bias 를 해결하는데 사용한다.
관측될 확률이 낮았던 샘플에 더 큰 가중치를 주어, 편향된 로그로부터 편향 없는 추정값을 얻는 방법이다. 각 샘플에 그 샘플이 관측될 확률(propensity)의 역수를 곱한다.
시간이 지남에 따라 추천풀에 새로운 Arm 이 등장하거나 기존에 있던 Arm 이 사라지는 현상
추천 시스템에서 발생할 수 있는 문제점들
Multi-armed Bandit 은 어떤 슬롯머신이 어떤 수익률을 가지는지 모를 때, 탐색 (Exploration) 과 활용 (Exploitation) 을 적절히 사용하여 최적의 수익을 찾아내고자 하는 Reinforcement Learning 알고리즘을 의미한다.