因果去偏推荐模型

消除动态趋势偏差

用因果干预剥离项目趋势偏差，捕获用户真实偏好，在四个真实数据集上均超越现有去偏方法。

Zihan, Liao · Xiaodong, Wu · Shang, Shuo · 王军 · Wei, Zhang

IEEE Transactions on Knowledge and Data Engineering 2024

技术优势

更准地捕捉真实偏好

通过因果干预进行去混淆训练，消除动态项目趋势偏差对用户偏好学习的干扰，使模型学到不受趋势影响的真实偏好。

能适应趋势漂移

该模型能处理趋势漂移，即使在时间段间用户意图变化导致趋势分布改变时，仍能保持有效推荐。

超越现有去偏方法

在四个真实数据集上，该方法一致超越现有的去偏推荐方法，验证了其有效性。

应用场景

• 推荐系统：消除动态趋势偏差，提升推荐系统在动态环境下的准确性与鲁棒性。
• 用户行为建模：通过因果去偏更准确地建模用户真实偏好，而非短期趋势影响下的行为。
• 序列推荐：针对序列推荐中的动态项目趋势偏差进行因果干预，提升序列推荐模型效果。