Abstract
counterfactual learning technologies for tackling the bias problem in recommendation.
Counterfactual Risk Minimization: Learning from Logged Bandit Feedback Counterfactual learning for recommender system
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...
slide: https://staff.fnwi.uva.nl/m.derijke/wp-content/uploads/sigir2016-tutorial.pdf
추천 시스템에서 발생할 수 있는 문제점들
the critical challenges of GNN-based recommendation and the potential solutions 에 중점을 두고 설명함 extensive background of recommender systems and graph neural networks 부터 설명을 시작...
popularity bias 를 해결하는데 사용한다.
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...
배경 To remedy the selection bias in evaluation, some recent work considers a recommendation as an intervention analogous to treating a patient with a specific drug. In both...
Tags Matthew effect
추천 시스템에 관련된 github repo 를 정리하는 page
유명한 아이템은 더 많이 노출되어서 학습 데이터의 밸런스가 더욱 무너지는 현상