简介：大多数用于评估和训练推荐系统的数据都受到选择性偏差的影响，要么是由于用户的自我选择，要么是由于推荐系统本身的行为。在本文中，我们借鉴了因果推断中的技术来调整模型与估计算法，提出了一个原则性的方法来解决选择性偏差问题。提出的方法可以在数据有偏的情况下实现无偏的性能估计，并提供了一个矩阵分解方法，在真实数据上实现了对于预测性能的实质性的改进。我们从理论上和经验上阐释了该方法的鲁棒性，并发现它具有很强的实用性和可扩展性。

链接：https://arxiv.org/pdf/1602.05352.pdf
推荐理由：本文是很早期的将因果引入到推荐系统中的文章之一，具有很强的启发意义，后续有很多文章在此基础上研究因果推断+推荐系统相关的技术，对因果推荐系统感兴趣的朋友可以关注这篇文章。

 

内容中包含的图片若涉及版权问题，请及时与我们联系删除