基于用户交互数据的优化推荐系统主要被视为处理选择偏差的问题,其中大多数现有工作都假设来自不同用户的交互是独立的。但是,已经表明,实际上用户反馈通常受到其他用户的早期交互的影响,例如通过平均评分,每项项目的视图或销售量等。这种现象被称为潮流效应。与以前的文献相反,我们认为潮流效应不应被视为统计偏见的问题。实际上,我们证明了这种效果使单个相互作用及其样本平均无偏见。然而,我们表明它可以使估计量不一致,从而引入了一系列与相关性估计的融合的不同问题。我们的理论分析研究了潮流效应提出一致性问题的条件,并探讨了减轻这些问题的几种方法。这项工作旨在表明,潮流效应带来了一个不足的开放问题,从根本上讲,这与建议的选择偏见从根本上截然不同。
translated by 谷歌翻译