arXiv stat.ML· Yorgos Felekis, Michael O'Riordan, Oriol Corcoll, Ciar\'an M. Gilligan-Lee·· 8 天前AI 评分44
面向可泛化推荐的因果表征学习
Causal Representation Learning for Generalisable Recommendation
AI 导读
研究者提出一种基于因果表征学习（CRL）的推荐系统优化方法，通过信息论解耦准则与变分下界排除混淆变量干扰，以解决离线训练与线上服务间的分布偏移问题。该方法仅需现有日志且不增加推理成本，在 Spotify 数百万用户的生产歌单排序 A/B 测试中显著提升了听众参与度。在 KuaiRand 等数据集上的实验亦证实了其分布外泛化增益。
来源：arXiv stat.ML · arxiv.org