AI 技术内参
洪亮劼
Etsy 数据科学主管,前雅虎研究院资深科学家
33455 人已学习
新⼈⾸单¥98
登录后,你可以任选6讲全文学习
课程目录
已完结/共 166 讲
开篇词 (1讲)
人工智能国际顶级会议 (31讲)
搜索核心技术 (28讲)
推荐系统核心技术 (22讲)
数据科学家与数据科学团队养成 (25讲)
AI 技术内参
15
15
1.0x
00:00/00:00
登录|注册

019 | SIGIR 2018论文精读:偏差和“流行度”之间的关系

系统性地讨论偏差在推荐系统中所带来的问题
探讨偏差和流行度之间的关系
普适化的对偏差的建模需要随机化的数据和因果推断的办法
开发了一套特有的理论框架来描述推荐系统中的某一种偏差
推导理想状态下的最佳排序
期望关系
设定随机变量
讨论偏差在推荐系统中所带来的问题
探讨偏差和“流行度”之间的关系
帕布罗·卡斯蒂罗斯(Pablo Castells)
罗西奥·卡纳马雷斯(Rocio Cañamares)
密歇根州的安娜堡
7月8日~12日
41st International ACM SIGIR Conference on Research and Development in Information Retrieval
总结
延申讨论
论文的核心方法
论文的主要贡献
作者
SIGIR 2018
SIGIR 2018论文精读:偏差和“流行度”之间的关系

该思维导图由 AI 生成,仅供参考

2018 年的 SIGIR(国际信息检索研究与发展大会)于 7 月 8 日~12 日在美国密歇根州的安娜堡举行。从今天开始,我将精选几篇大会上最有价值的论文,和你一起来读。
我先简单介绍一下这个大会。SIGIR 从 1978 年开始举办,有 40 年的历史,是信息检索和搜索领域的顶级会议。SIGIR 2018,全称是 The 41st International ACM SIGIR Conference on Research and Development in Information Retrieval。
从最初举办开始,这个会议就成为了信息检索领域,特别是搜索技术和推荐技术方面的权威学术会议。会议的内容往往包含了搜索、推荐、广告、信息提取、互联网数据挖掘等诸多领域的优秀论文,每年都吸引着来自世界各地的学者和工程师参会,来分享他们最新的研究成果。
今天,我们首先来看一看今年的最佳论文,标题是《推荐系统中流行度有效性的概率分析》(Should I Follow the Crowd? A Probabilistic Analysis of the Effectiveness of Popularity in Recommender Systems)。
这篇论文一共有两位作者,均来自马德里自治大学(Universidad Autónoma de Madrid)。第一作者罗西奥·卡纳马雷斯(Rocio Cañamares)已经发表了好几篇相关主题的论文,第二作者帕布罗·卡斯蒂罗斯(Pablo Castells)是马德里自治大学、甚至是整个欧洲的信息检索学术权威。论文有超过 5 千次的引用。
确认放弃笔记?
放弃后所记笔记将不保留。
新功能上线,你的历史笔记已初始化为私密笔记,是否一键批量公开?
批量公开的笔记不会为你同步至部落
公开
同步至部落
取消
完成
0/2000
荧光笔
直线
曲线
笔记
复制
AI
  • 深入了解
  • 翻译
    • 英语
    • 中文简体
    • 中文繁体
    • 法语
    • 德语
    • 日语
    • 韩语
    • 俄语
    • 西班牙语
    • 阿拉伯语
  • 解释
  • 总结

SIGIR 2018最佳论文《推荐系统中流行度有效性的概率分析》深入探讨了推荐系统中偏差与“流行度”之间的关系。论文首先介绍了推荐系统中存在的偏差问题,包括表现偏差和系统性偏差,并提出了一个理论框架,系统性地讨论了偏差在推荐系统中的影响,特别是偏差与“流行度”之间的关系。通过概率模型和数学推导,论文详细分析了用户对物品的评价与流行度之间的关系,并得出了一些新的发现。核心方法包括使用随机变量表达偏差和流行度之间的关系,以及通过概率模型和数学推导探讨最优排序在不同情况下的变化。该论文为推荐系统中偏差的建模提供了一套特有的理论框架,对推荐系统领域的研究具有重要意义。通过对偏差和“流行度”之间关系的深入探讨,论文为推荐系统领域的研究和实践提供了有益的启示,对于理解推荐系统中的偏差问题以及改进推荐算法具有重要的参考价值。

仅可试看部分内容,如需阅读全部内容,请付费购买文章所属专栏
《AI 技术内参》
新⼈⾸单¥98
立即购买
登录 后留言

全部留言(1)

  • 最新
  • 精选
  • 推荐流行物品算法,只要针对所有用户的点击率和购买率等进行建模。针对某一类人员的特别推荐,识别其他的偏差点,需要重新建模,难度更大。
    2018-07-20
    2
收起评论
显示
设置
留言
1
收藏
沉浸
阅读
分享
手机端
快捷键
回顶部