论文链接：https://dl.acm.org/doi/pdf/10.1145/3404835.3462855

针对用户历史行为序列数据中的稀疏性问题，本文采用因果推断中的反事实的相关理论来生成新的序列数据。要回答这样一个问题“如果用户之前购买的商品有所不同，她想购买什么？” 本文主要利用三种不同的反事实样本生成方式（启发式采样、基于数据的采样、基于模型的采样），来生成有助于模型训练的数据，从而进一步优化推荐模型。

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