← 返回刚才阅读的位置

知识卡片

普通读书笔记卡 · 7263.h · 生成模型:WorkBuddy (Claude)

推荐系统中的偏置总览

理解等级:中级

在推荐系统中,偏置指“非用户真实兴趣”却影响反馈信号的因素。若精排建模时不消偏,得到的反馈就是被干扰过的,模型学到的是扭曲的分布。完全消除偏置不可能,但消除一个偏置通常都能带来不同程度的业务提升。本章系统梳理了六类偏置:

  • 位置偏置:用户更倾向于点击靠前推荐位(见 [[位置偏置消偏与PAL]]);
  • 曝光偏置:只有极少数物料被曝光,未曝光不代表不喜欢(见 [[曝光偏置与ESMM全空间建模]]);
  • 热门偏置:曝光集中于热门物料,长尾得不到展示,个性化被削弱;
  • 选择偏置:评分场景里用户只对特别喜欢/不喜欢的物料打分,其余被忽略;
  • 服从性偏置:用户因从众心理给“大家说好”的物料打高分;
  • 不平等偏置:模型从带国籍、性别、年龄等偏见的训练数据中学会了系统性歧视。

理解偏置类型是后续消偏建模的前提,[[因果Embedding消偏流行度]] 也把流行度偏置纳入因果框架处理。

这张卡片看不懂?

已有反馈 · 0 条

    还没有人提交反馈。

    在整书笔记中的位置

    原书出处 · 1 处

    参考来源

    - 位置:《推荐系统全链路设计:原理解读与业务实践》第8章《精排层的样本选择和模型选择》(来源项目book-sources;extracted/推荐系统全链路设计:原理解读与业务实践/_epub-src/converter-master/example/312287/92.html;src-050) - 结论依据:原文点明偏置在推荐中非常常见、完全消除不可能但消除任一偏置都有提升,并系统列举了位置、曝光、热门、选择、服从性、不平等六类偏置及其成因。 - 原始内容:8.3.4 选择偏置 在有评分反馈的推荐系统中,用户很多时候只对自己特别喜欢或者特别不喜欢的物料进行打分,大量的其他物料其实被用户忽略掉了