inverse propensity scoring | BriefGPT

关键词inverse propensity scoring

搜索结果 - 9

$Δ ext {-}{m OPE}$：使用一对策略进行离策略估计
以离线数据为基础，离策略为核心框架，使用逆概率估计和其扩展方法提出 Delta-OPE 方法，并引入优化效率的方差最优加性控制变量，实验结果表明这些方法显著提高了评估和学习的性能。
PDF2 months ago
通过优化概括方法评估推荐策略的离策略算法
我们开发了一种用于预测多维动作的选择问题中离线策略评估的新方法，称为潜在 IPS（LIPS），它通过在低维抽象空间中优化抽象来最小化 LIPS 的偏差和方差，从而显著减小 IPS 的方差并避免对奖励函数结构进行过多的限制性假设，通过实证评估
PDF5 months ago
KDD多样化用户行为下排名策略的离线评估
该研究提出了自适应 IPS（AIPS）的方法来解决 IPS 方法在排名设置中应用的巨大方差问题，还探讨了用户行为多样性的影响。该方法极大地提高了排名系统的 OPE 有效性。
PDFa year ago
ICML离线学习的指数平滑
本文提出了一种对 IPS 进行正则化的方法，并推导出了一个可扩展的双边 PAC-Bayes 泛化界限，该界限适用于标准 IPS，证明了正则化 IPS 的实用性以及性能优越性，并提出了一种可以不需要正则化的区分情形。
PDFa year ago
SIGIR基于曝光的风险最小化的反事实学习排序的安全部署
提出了一种新的风险感知的 CLTR 方法，使用了风险正则化来保证排名模型相对于安全模型的一致性，从而大大降低了模型部署的风险。经实验证明，该方法可以有效避免在数据量较少时出现性能下降的情况，并在收敛后保持高性能，为 CLTR 领域提供了更安
PDFa year ago
KDD双向 Transformer 用于顺序推荐中解决 Cloze 任务偏差问题
本研究提出了一种新颖的倾向性评分机制，旨在纠正序列推荐中的暴露偏差，并实证了该方法对暴露偏差的鲁棒性。
PDFa year ago
当倒数权重法无效时：用仿射校正进行无偏置排序学习
研究了点击偏见与信任偏见的存在，提出了一种基于仿射修正的估算器，该估算器是目前唯一被证明能够去除二者影响的，并利用半合成实验证明在消除这些偏见的情况下，CLTR 可以更接近最佳排名系统。
PDF4 years ago
SIGIR反事实学习排序的加速收敛
本文提出了一种名为 CounterSample 的新型学习算法，通过 Inverse Propensity Scoring 和 Stochastic Gradient Descent 解决 Counterfactual Learning t
PDF4 years ago
基于上下文的赌博机中最优的自适应离线评估
本研究旨在研究在没有相应奖励模型的情况下，通过使用由另一政策收集的数据来估算目标政策的价值的，上下文 Bandit 模型下的离线政策评估问题。所提出的 SWITCH estimator 可以使用现有的（不一定一致的）奖励模型来实现更好的偏差
PDF8 years ago