基于相关修正的无偏排序学习方法

作     者：王奕婷 兰艳艳 庞亮 郭嘉丰 程学旗 Wang Yiting;Lan Yanyan;Pang Liang;Guo Jiafeng;Cheng Xueqi

作者机构：中国科学院网络数据科学与技术重点实验室(中国科学院计算技术研究所)北京100190 中国科学院大学北京100049 清华大学智能产业研究院北京100084 中国科学院计算技术研究所数据智能系统研究中心北京100190 

基　　金：国家重点研发计划项目(2020AAA0105200) 国家自然科学基金项目(61773362,61906180) 

出 版 物：《计算机研究与发展》 (Journal of Computer Research and Development)

年 卷 期：2022年第59卷第12期

页      码：2867-2877页

摘      要：用户点击数据较文档的相关标签更易被获取且能反映用户兴趣,将其作为标签能够有效降低人工标注成本并且模型能随数据实时更新.但用户点击含有偏差和噪声,因此需设计有效的无偏排序方法.针对无偏排序中对偶学习方法收敛得到次优解从而无法完全消除偏差的问题,提出一种基于相关修正的无偏排序学习方法.首先,利用现有小规模相关标注数据训练排序模型,对候选文档进行较精准的相关得分预测;再基于用户点击和文档相关得分训练点击倾向模型;最后,将得到的模型参数设为对偶去偏初始值并联合训练.该方法不影响模型上线的计算速度,可用于在线学习场景,模拟不同程度偏差噪声并在真实点击场景下进行测试,结果表明该方案能够有效提升现有无偏排序学习方法表现.

主 题 词：无偏排序学习 点击数据 相关修正 偏差去除 逆倾向加权 

学科分类：081203[081203] 08[工学] 0835[0835] 0812[工学-测绘类] 

核心收录：

D　O　I：10.7544/issn1000-1239.20210865

馆 藏 号：203115640...