CIRS：通过反事实交互推荐系统打破信息过滤泡沫
摘要：通过离线强化学习和因果推断，提出了一种对抗事实的互动推荐系统（CIRS）。 CIRS首先在历史数据上学习一个因果用户模型，用于捕捉物品过度暴露对用户满意度的影响，然后利用学到的因果用户模型来帮助强化学习策略的规划。通过一个基于真实世界完全观察到的用户评分数据集的真实强化学习环境（KuaiEnv）进行离线评估。实验结果表明，CIRS在打破过滤泡沫和实现互动推荐的长期成功方面具有有效性。 CIRS的实现可通过https://github.com/chongminggao/CIRS-codes获得。
作者：Chongming Gao, Shiqi Wang, Shijun Li, Jiawei Chen, Xiangnan He, Wenqiang Lei, Biao Li, Yuan Zhang, Peng Jiang
论文ID：2204.01266
分类：Information Retrieval
分类简称：cs.IR
提交时间：2023-04-25