文章名称
Attribute-based Propensity for Unbiased Learning in Recommender Systems: Algorithm and Case Studies
核心要点
文章旨在解决工业中实际遇到的各种场景带来的bias。作者推导出在IPS场景下，无偏的DCG评估准则。利用EM算法（和一些加速计算的方法）学习IPS的权重，并最终得到相关性模型。
方法细节
问题引入
由于用户隐式反馈存在各种偏差（如流行度偏差），直接利用观测数据学习模型会对性能有损失。原有方法利用IPS等方法进行纠偏，然而这些方法只能应用于位置偏差这种单独UI场景的propensity score（偏差仅仅由位置引起，而实际上包含多种layout，不仅仅是瀑布流）。现实中的推荐系统存在两个特点，1）同一个网站在不同的设备上可能有不同的layout，比如瀑布流或者是网格；2）用户通过诸如搜索，快捷工具栏等渠道（甚至是短视频场景的up主页面交互等），也可以与物品进行交互（可能代表了某种正反馈），这些反馈都发生在推荐流之外，但确非常有用，能够帮助我们进行数据偏差的纠正。为了充分利用上述特点，作者把（瀑布流中的）位置，不同的终端以及反馈的渠道都当做属性来学习倾向性得分，进行数据纠偏。
具体做法
文章中定义propensity score表示，即物品有没有被曝光给用户。表示物品是否被用户喜欢（或者吸引用户）。表示top-n列表里的物品。是常用的评估模型排序性能的评价指标，可以被理解为位置折扣下的top-n相关性求和（注意，这里的相关性不是点击）。由于observation bias（个人理解就是exposure bias)，我们不能观测到所有top-n的反馈，需要用如下图所示的IPS的方法进行矫正，该方法可以证明是无偏的。
众所周知，估计propensity score是IPS方法的核心所在，文章的重点是利用attributes来估计propensity score。定义分别表示用户点击与否的随机变量，用户是否审视（可以理解为是否被曝光）某个物品的随机变量以及用户-物品元组的相关性（用户是否喜欢）某个物品的随机变量。表示某些attributes（其实就是偏差特征，或者说推荐系统的特征，例如position）。我们假设用户是否审视某个物品，只与attributes有关系（比如position和layout）。而用户是否喜欢该物品，只与用户的偏好有关。与之前讲述的许多纠偏推荐模型一样，可以得到如下图所示的概率关系，并进一步简化为参数。
利用上述模型，我们可以利用EM方法来最大化如下图所示的似然函数（其中表示日志中的数据），进而从日志数据中学习模型的参数。
在E-step中，我们利用计算如下图所示的概率（注意除了这些式子以外，其他的概率都等于0）。在初次迭代时，随机初始化。
在M-step中，我们利用E-step计算得到的概率，计算，计算过程如下图所示的。
重复迭代上述步骤，即可学习得到propensity score以及用户-物品元组的relevance。然而，虽然的学习可以直接利用上述过程求解（由于[a]的取值范围一般相对较小，可以利用编号进行对应，且数据量充足可以充分学习到不同编号下的效果），但的学习过程存在两点问题，1) 用户-物品元组的数据太稀疏了，不利于EM算法进行稳定的迭代学习；2) 由于数据收集的问题，用户-元组的数据未必能够在日志数据中得到（除了缺失以外，还有可能是处于数据保密的原因）。
因此作者采用模型的方式回归，也就是说从用户-物品元组特征（可以是其他预测物品-用户偏好的模型学到的用户、物品向量表示）来回归。回归的标签，是从E-step得到的概率中采样得到的，这样就变成了一个二分类问题（因为本身也是一个概率）。
值得注意的是，作者表明虽然EM方法可以得到关于用户-物品的relevance，但是最终还是需要利用propensity score来优化无偏的IPS损失（论文公式1）来学习得到的估计用户-物品的relevance的模型，而不是直接利用EM中的结果，理由是这样更为高效（可能是EM的优化不足以在有效数据上收敛到很好的relevance模型）。
心得体会
工业风
Google的paper都是个工业风气息比较重，简单直接有效，且场景贴近实际。作者在这篇文章中提到，可以直接利用原有模型的接口上线，并且通过构造的离线评估指标，可以评估模型的在线效果。
点击 vs 偏好
很多文章中明确的区分了点击和偏好两个概念，点击是用户的行为表征，并不代表一定是喜欢某一个物品。这个差别1）点击可能因为被曝光的素材吸引（骗点击），但实际用户并不会喜欢（不会转化）；2）点击仅仅是因为这个物品比较流行，用户也不会转化。因此，个人认为点击和偏好还是应该分开建模的。
回归
个人感觉，这里回归可能会引入模型的不准确偏差。另外，用来学习回归模型的标签的采样比较重要，可能会引入其他的偏差。