1 引言
2 Exploitation
2.1 bias
2.2解决方案
3 Exploration
4 总结
1 引言
推荐系统的目标主要包含两个方面：Exploitation 和 Exploration
在Exploitation中最重要的是 Relevance ( 相关性 ) 的计算，其根本思想是根据用户浏览、观看和收藏的内容等用户行为数据推测该用户可能采取的行动。常见的推荐算法大多是基于针对该目标的优化而展开的。然而用户行为数据在现实中很可能过少、不足以全面地体现用户的兴趣。这一现象在冷启动等场景中很常见。此时推荐系统还有责任挖掘用户尚未表现出的兴趣，并且避免由于现有行为数据过少而导致推送内容相似性过高的情况。这就需要引入Exploration。
2 Exploitation
排序环节中相关性探索目前主要以debias为主。
2.1 bias
引起模型bias的原因很多，主要包括：
-
selection bias
用户普遍倾向于自己喜欢或者讨厌的item进行评价，比如豆瓣评分。
-
exposure bias（sample selection bias）
用户只能看到曝光的item并产生交互，但数据中没交互的item不代表用户不喜欢，可能是没曝光，这一点不好区分。
-
1）推荐系统决定了展现哪些items给用户 -
2）用户主动找到搜索找到感兴趣的项目 -
3）用户自身的背景。朋友、地理位置等 -
4）热门的items更容易被用户看到 -
conformity bias
用户行为会受到他人影响，我们观测到的并不一定是用户真实偏好。用户偏向于和集体喜好一致，用户看到大众统计数据之前和之后，行为分布有很大不同。
-
position bias
用户在不同位置上的交互倾向和点击偏好不同。
用户趋向于选择排位靠前的 items，因此实际发生交互的 item 并不一定相关性很强。
许多场景也倾向于将盈利高而用户兴趣较低的item放在前面吸引用户点击，以提升相关item的交互行为，如某度。
2.2解决方案
-
1)特征输入
以position bias为例,在训练时将 position 当作一个特征进行输入，在预测时以一个默认值进行输入，即假设所有item出现在同一位置预测点击率，对比用户偏好。
-
2)bias Tower
单独设置一个shallow tower（Youtube Recsys19）来预测偏置，输入的特征是一些与偏置相关的特征。在最后的 sigmoid 前，将shallow tower的输出结果加到logit中，线上预估时位置偏差特征取值为missing。
-
3）贪婪算法
在预测时将每个item在所有位置都预测一次，再通过贪婪算法寻求最优组合（Deep Position-wise Interaction Network，SIGIR 2021）
3 Exploration
此部分通常会被归为重排序阶段，目前以解决多样性为主。
行列式点过程DPP算法（Fast Greedy MAP Inference for Determinantal Point Process to Improve Recommendation Diversity，NIPS2018）认为如果两个商品的相似性过高，用户可能点击一个之后对另一个的点击需求就会下降。
通过构建矩阵来计算每一个子集的行列式值，该值可以理解为用户对推荐列表的满意程度，受到相关性和多样性两个因素的影响。
矩阵可以表示为
矩阵元素构建如下：
其中 为相关性指标， 为多样性指标。
为超参，当 处于0到1之间且 变小时，相当于我们整个行列式值被缩小，所以多样性变好；相反， 大于1且变大时，多样性变差；alpha=1时为标准高斯径向基函数。
该问题的求解明显是个NP-hard问题，因此可用贪婪算法进行求解。
同时由于 是半正定矩阵，因此可以通过矩阵分解得：
其中 是下三角矩阵。
通过以上优化，每次逐步增加一个item，进而获得最终的推荐列表，使得整体求解复杂度从 成功降到了 ，但实际计算中需保证 矩阵的半正定，论文中给出的方法是若L的特征值为负值，则将该值替换为0。具体求解过程如下：
盈利场景则会综合考虑每个item的盈利信息，具体可参考转转商业化OCPC产品护航之路
4 总结
bias类型很多，但是并不是所有的bias都需要去除，例如电商场景下的流行度这种本身就会影响用户点击的bias，但是这种分析方法能够引导我们更好的进行特征挖掘和目标优化；多样性表面上看会降低推荐列表的相关性，但从实验结果上来看，反倒会对业务指标有促进作用，说明用户对多样性还是有很大的需求。