推荐系统中的bais系统(二)—Select Bais和Exposure Bias

介绍

这次给大家介绍的是推荐系统的中的Select Bais与Exposure Bais。虽然这两种Bais一个是由系统造成的，一个是有用户的反馈造成的，但是本质上都是一样的：从一个小的样本中去估计一个整体的状态产生的偏差。

首先我们从一个小case中来介绍下Select Bais:

Case来源：Recommendations as Treatments: Debiasing Learning and Evaluation

假设我们有两个用户，一个是Horror Lovers，会给Horror类的电影打5分，会给Romance类的电影打1分。另外一个用户是Romance Lovers，和Horror Lovers打分会完全相反。同时这两个人会给Drama类的电影打三分。$O$可以认为是某一个人对某种类型电影打分的频次，$O_{ui}=1$代表用户给某类电影进行打分了。$P$可以认为某一个去给某类电影评分的概率。假如我们现在有2个分类器，给出$Y_1$和 Y