論文の概要: Measurement and applications of position bias in a marketplace search engine

• arxiv url: http://arxiv.org/abs/2206.11720v1
• Date: Thu, 23 Jun 2022 14:09:58 GMT
• ステータス: 処理完了
• システム内更新日: 2022-06-24 14:34:48.772186
• Title: Measurement and applications of position bias in a marketplace search engine
• Title（参考訳）: マーケットプレース検索エンジンにおける位置バイアスの測定と応用
• Authors: Richard Demsyn-Jones
• Abstract要約: 検索エンジンはユーザー行動に意図的に影響を与え、検索結果のリストを選別してランク付けする。 本稿では、ランキングの影響を理解するため、Thumbtackでの取り組みについて述べる。 ランキングバイアスがラベルだけでなく,モデル機能にどのように影響するか,という新たな議論も含んでいます。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Search engines intentionally influence user behavior by picking and ranking the list of results. Users engage with the highest results both because of their prominent placement and because they are typically the most relevant documents. Search engine ranking algorithms need to identify relevance while incorporating the influence of the search engine itself. This paper describes our efforts at Thumbtack to understand the impact of ranking, including the empirical results of a randomization program. In the context of a consumer marketplace we discuss practical details of model choice, experiment design, bias calculation, and machine learning model adaptation. We include a novel discussion of how ranking bias may not only affect labels, but also model features. The randomization program led to improved models, motivated internal scenario analysis, and enabled user-facing scenario tooling.
• Abstract（参考訳）: 検索エンジンはユーザー行動に意図的に影響を与え、検索結果のリストを選定してランク付けする。 ユーザは、目立った配置と、最も関係のあるドキュメントであるため、最も高い結果に関わります。 検索エンジンランキングアルゴリズムは、検索エンジン自体の影響を取り入れつつ、関連性を識別する必要がある。 本稿では,ランダム化プログラムの実証結果を含むランキングの影響を理解するため,thummtackにおける取り組みについて述べる。 消費者市場の文脈では,モデル選択,実験設計,バイアス計算,機械学習モデルの適応に関する実践的詳細について論じる。 ランキングバイアスがラベルだけでなく,モデル機能にどのように影響するか,という新たな議論も含んでいます。 ランダム化プログラムは、モデルの改善、内的シナリオ分析の動機付け、ユーザ向けシナリオツールの有効化につながった。

関連論文リスト

• Eliminating Position Bias of Language Models: A Mechanistic Approach [119.34143323054143]
  位置バイアスは現代言語モデル (LM) の一般的な問題であることが証明されている。 我々の力学解析は、ほぼ全ての最先端のLMで使われている2つのコンポーネント(因果的注意と相対的位置エンコーディング)に位置バイアスが関係している。 位置バイアスを排除することによって、LM-as-a-judge、検索強化QA、分子生成、数学推論など、下流タスクのパフォーマンスと信頼性が向上する。
  論文  参考訳（メタデータ） (2024-07-01T09:06:57Z)
• Learning Fair Ranking Policies via Differentiable Optimization of Ordered Weighted Averages [55.04219793298687]
  本稿では,学習からランクへの学習ループに,効率よく解ける公正ランキングモデルを組み込む方法について述べる。 特に,本論文は,OWA目標の制約された最適化を通じてバックプロパゲーションを行う方法を示す最初のものである。
  論文  参考訳（メタデータ） (2024-02-07T20:53:53Z)
• Position bias in features [0.0]
  文書固有の履歴クリックスルーレートは、動的ランキングシステムにおいて重要な特徴である。 本稿では, それらの特徴について述べるとともに, 制御実験で検証する。
  論文  参考訳（メタデータ） (2024-02-04T22:15:30Z)
• Whole Page Unbiased Learning to Rank [59.52040055543542]
  アンバイアスド・ラーニング・トゥ・ランク(ULTR)アルゴリズムは、バイアスド・クリックデータを用いたアンバイアスド・ランキングモデルを学ぶために提案される。 本稿では,BALというアルゴリズムをランク付けするバイアス非依存学習を提案する。 実世界のデータセットによる実験結果から,BALの有効性が検証された。
  論文  参考訳（メタデータ） (2022-10-19T16:53:08Z)
• Incorporating Vision Bias into Click Models for Image-oriented Search Engine [51.192784793764176]
  本論文では,画像指向検索エンジンに視覚バイアスが存在することを,位置以外の検査確率に影響する重要な要因と仮定する。 候補文書から抽出した視覚特徴から視覚バイアスを予測するために回帰型emアルゴリズムを用いた。
  論文  参考訳（メタデータ） (2021-01-07T10:01:31Z)
• Characterizing Fairness Over the Set of Good Models Under Selective Labels [69.64662540443162]
  同様の性能を実現するモデルセットに対して,予測公正性を特徴付けるフレームワークを開発する。 到達可能なグループレベルの予測格差の範囲を計算するためのトラクタブルアルゴリズムを提供します。 選択ラベル付きデータの実証的な課題に対処するために、我々のフレームワークを拡張します。
  論文  参考訳（メタデータ） (2021-01-02T02:11:37Z)
• Choppy: Cut Transformer For Ranked List Truncation [92.58177016973421]
  Choppyは、広く成功したTransformerアーキテクチャに基づいた仮説のないモデルである。 Choppyは最近の最先端の手法で改善されている。
  論文  参考訳（メタデータ） (2020-04-26T00:52:49Z)
• A survey of bias in Machine Learning through the prism of Statistical Parity for the Adult Data Set [5.277804553312449]
  偏見を自動決定にどのように導入できるかを理解することの重要性を示す。 まず、公正学習問題、特に二項分類設定における数学的枠組みについて述べる。 そこで,本研究では,現実およびよく知られた成人所得データセットの標準差分効果指標を用いて,偏見の有無を定量化することを提案する。
  論文  参考訳（メタデータ） (2020-03-31T14:48:36Z)
• Handling Position Bias for Unbiased Learning to Rank in Hotels Search [0.951828574518325]
  本稿では,Tripadvisor Hotelsサーチにおけるオンラインテスト環境における位置バイアスを適切に扱うことの重要性について検討する。 本稿では,ユーザの行動データを完全に活用する位置バイアスを経験的に効果的に処理する方法を提案する。 オンラインA/Bテストの結果,この手法が検索ランキングモデルの改善につながることが示された。
  論文  参考訳（メタデータ） (2020-02-28T03:48:42Z)
• Eliminating Search Intent Bias in Learning to Rank [0.32228025627337864]
  ユーザ検索意図の違いがクリック行動にどのように影響するかを調べた結果,ユーザ検索意図と文書関連性との間にはバイアスがあることが判明した。 本稿では,既存のほとんどのクリックモデルに適用可能な探索意図バイアス仮説を提案する。
  論文  参考訳（メタデータ） (2020-02-08T17:07:37Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。