Aug, 2023
CDR: 保守双重稳健学习以消除偏向的推荐
CDR: Conservative Doubly Robust Learning for Debiased Recommendation
ZiJie Song, JiaWei Chen, Sheng Zhou, QiHao Shi, Yan Feng...
TL;DR为解决推荐系统中的数据偏差问题,本研究提出一种名为保守双重稳健策略(CDR)的方法,通过检验均值和方差来过滤造成负面影响的代入值。理论分析表明,CDR 具有降低方差和改善尾部边界的优势,并通过实证研究证明,CDR 显著提高了性能并减少了有害的代入值的频率。