信息检索中的无偏排序学习旨在利用点击数据进行无偏的相关性排序。近年来，针对用户交互过程中点击数据存在的偏差，学者们提出了不同的无偏排序方法。其中，自动无偏排序学习可以自动地学习排序模型和用户倾向性模型得到了越来越多的关注。尽管理论不尽相同，目前的无偏排序方法多采用单变量评分函数，即分别对每个文档单独评分。另一方面多变量评分函数由于其具有对跨文档交互建模的能力，在数据具有相关性标签时取得了优越的表现。而这种优越性在面对点击数据时是否依然存在仍缺乏相应研究。本文发表于CIKM2020，旨在探索多变量评分函数在自动无偏排序学习的应用。
https://www.zhuanzhi.ai/paper/dbdc2b92b8bb434b0a85a6c44b141b04
具体地，我们探索以下两个研究问题：
- 是否所有多变量评分函数都对自动无偏排序学习有效？
- 在自动无偏排序学习中，多变量评分函数是否比单变量评分函数更有效？