统计学 > 机器学习
            [提交于 2025年5月31日
            
            
            
            ]
          
          标题: 基于嵌入空间用户行为建模的排名策略的离策评估
标题: Off-Policy Evaluation of Ranking Policies via Embedding-Space User Behavior Modeling
摘要: 在具有大规模排名动作空间的排名设置中的离线策略评估(OPE),由于唯一动作数量和排名长度的增加而变得至关重要,这使得仅使用先前版本的日志式乐队数据即可评估新的推荐器策略。 为了解决与现有估计量相关的高方差问题,我们引入了两个新假设:排名对排名没有直接影响以及用户行为模型在排名嵌入空间上。 然后,我们提出了广义边缘化逆倾向评分(GMIPS)估计器,与现有的相比具有统计上可取的特性。 最后,我们证明了GMIPS实现了最低的均方误差。 值得注意的是,在GMIPS变体中,边缘化奖励交互IPS(MRIPS)基于排名嵌入的级联行为假设,结合了双重边缘化的重要性权重。 即使排名动作空间增加且上述假设可能不成立,我们的实验表明,MRIPS有效地平衡了偏差和方差之间的权衡。
文献和引用工具
与本文相关的代码,数据和媒体
            alphaXiv (什么是 alphaXiv?)
          
        
            CatalyzeX 代码查找器 (什么是 CatalyzeX?)
          
        
            DagsHub (什么是 DagsHub?)
          
        
            Gotit.pub (什么是 GotitPub?)
          
        
            Hugging Face (什么是 Huggingface?)
          
        
            带有代码的论文 (什么是带有代码的论文?)
          
        
            ScienceCast (什么是 ScienceCast?)
          
        演示
推荐器和搜索工具
arXivLabs:与社区合作伙伴的实验项目
arXivLabs 是一个框架,允许合作伙伴直接在我们的网站上开发和分享新的 arXiv 特性。
与 arXivLabs 合作的个人和组织都接受了我们的价值观,即开放、社区、卓越和用户数据隐私。arXiv 承诺这些价值观,并且只与遵守这些价值观的合作伙伴合作。
有一个为 arXiv 社区增加价值的项目想法吗? 了解更多关于 arXivLabs 的信息.
 
               
  