新框架解决学习排序系统中的位置偏差问题

研究人员开发了一个新颖的两阶段框架，使用控制函数来解决学习排序（LTR）系统中的位置偏差。该方法旨在通过利用排序过程中的外生变异来纠正排名靠前的项目倾向于获得更多交互的趋势，而不管其相关性如何。与现有方法不同，该框架支持非线性排序模型，避免了显式的倾向性估计，并且可以与当前最先进的排序算法集成。它还包括一种用于消除验证点击偏差的策略，以便在没有无偏差验证数据的情况下进行可靠的超参数调整，并在基准和真实世界数据集上展示出卓越的性能。 AI

影响 该框架通过缓解位置偏差，可以提高推荐和搜索系统的准确性和公平性。

排序理由 这是一篇详细介绍特定机器学习问题新框架的研究论文。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.LG 阅读 →

• alphaXiv
• arXiv
• CatalyzeX Code Finder for Papers
• CORE Recommender
• DagsHub
• Gotit.pub
• Hugging Face
• Influence Flower
• Md Aminul Islam
• ScienceCast

• 论文
• 其他

AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →