論文の概要: Estimating Treatment Effects under Recommender Interference: A Structured Neural Networks Approach

• arxiv url: http://arxiv.org/abs/2406.14380v4
• Date: Sun, 19 Oct 2025 20:48:54 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-10-25 00:56:38.054524
• Title: Estimating Treatment Effects under Recommender Interference: A Structured Neural Networks Approach
• Title（参考訳）: Recommender Interferenceによる治療効果の推定:構造化ニューラルネットワークによるアプローチ
• Authors: Ruohan Zhan, Shichao Han, Yuchen Hu, Zhenling Jiang,
• Abstract要約: 一般に採用されている差分推定器は、推奨者干渉による推定に大きく偏りがあることが示される。 干渉経路を明示的に表現した「推薦者選択モデル」を提案する。 Weixin短ビデオプラットフォーム上での大規模フィールド実験により本手法の有効性を検証した。
• 参考スコア（独自算出の注目度）: 32.55211271796683
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Recommender systems are essential for content-sharing platforms by curating personalized content. To improve recommender systems, platforms frequently rely on creator-side randomized experiments to evaluate algorithm updates. We show that commonly adopted difference-in-means estimators can lead to severely biased estimates due to recommender interference, where treated and control creators compete for exposure. This bias can result in incorrect business decisions. To address this, we propose a ``recommender choice model'' that explicitly represents the interference pathway. The approach combines a structural choice framework with neural networks to account for rich viewer-content heterogeneity. Building on this foundation, we develop a debiased estimator using the double machine learning (DML) framework to adjust for errors from nuisance component estimation. We show that the estimator is $\sqrt{n}$-consistent and asymptotically normal, and we extend the DML theory to handle correlated data, which arise in our context due to overlapped items. We validate our method with a large-scale field experiment on Weixin short-video platform, using a costly double-sided randomization design to obtain an interference-free ground truth. Our results show that the proposed estimator successfully recovers this ground truth, whereas benchmark estimators exhibit substantial bias, and in some cases, yield reversed signs.
• Abstract（参考訳）: レコメンダシステムは、パーソナライズされたコンテンツをキュレートすることによって、コンテンツ共有プラットフォームに不可欠である。 推薦システムを改善するため、プラットフォームはアルゴリズム更新を評価するためにクリエーター側のランダム化実験に頻繁に依存する。 一般に採用されている差分推定器は、推奨者による干渉により重度の偏りがみられ、被治療者や管理者が露出を競う可能性があることを示す。 このバイアスは、誤ったビジネス判断をもたらす可能性がある。 そこで本稿では,干渉経路を明示的に表現した'recommender choice model''を提案する。 このアプローチは、構造的選択フレームワークとニューラルネットワークを組み合わせて、リッチなビューアー・コンテントの不均一性を考慮します。 この基礎の上に構築したDouble Machine Learning (DML) フレームワークを用いた縮退推定器を開発し,ニュアンス成分推定による誤差の調整を行う。 推定子は$\sqrt{n}$-consistentで漸近的に正規であることを示し、DML理論を拡張して相関データを扱う。 Weixin短ビデオプラットフォーム上での大規模フィールド実験により提案手法の有効性を検証する。 この結果から,提案した推定器がこの基礎的真理を回復するのに対して,ベンチマーク推定器はかなりのバイアスを示し,場合によっては逆の兆候が生じることがわかった。

関連論文リスト

• Optimal Debiased Inference on Privatized Data via Indirect Estimation and Parametric Bootstrap [12.65121513620053]
  民営化されたデータに対する既存のパラメトリックブートストラップの使用は、クランプの効果を無視したり回避したりしていた。 本稿では,パラメータ値を連続的に推定するために間接推論手法を提案する。 本フレームワークは,信頼区間をよく校正したカバレッジで生成し,正しいI型誤差で仮説テストを行う。
  論文  参考訳（メタデータ） (2025-07-14T19:12:16Z)
• Model-free Methods for Event History Analysis and Efficient Adjustment (PhD Thesis) [55.2480439325792]
  この論文は、モデルフリーの観点から統一された統計学への独立した貢献のシリーズである。 第1章では、機械学習から予測技術を活用する柔軟なメソッドを定式化するために、モデルフリーの視点をどのように利用できるか、詳しく説明している。 第2章では、あるプロセスの進化が他のプロセスに直接影響されるかどうかを記述した地域独立の概念を研究している。
  論文  参考訳（メタデータ） (2025-02-11T19:24:09Z)
• Adaptive Experimentation When You Can't Experiment [55.86593195947978]
  本稿では,Emphcon founded the pure exploration transductive linear bandit (textttCPET-LB) problem。 オンラインサービスは、ユーザーを特定の治療にインセンティブを与える、適切にランダム化された励ましを利用することができる。
  論文  参考訳（メタデータ） (2024-06-15T20:54:48Z)
• Optimal Baseline Corrections for Off-Policy Contextual Bandits [61.740094604552475]
  オンライン報酬指標の偏りのないオフライン推定を最適化する意思決定ポリシーを学習することを目指している。 学習シナリオにおける同値性に基づく単一のフレームワークを提案する。 我々のフレームワークは、分散最適非バイアス推定器の特徴付けを可能にし、それに対する閉形式解を提供する。
  論文  参考訳（メタデータ） (2024-05-09T12:52:22Z)
• Exploring Popularity Bias in Session-based Recommendation [0.6798775532273751]
  セッションベースの設定と適応確率計算に分析を拡張し、セッションベースのレコメンデーションタスクの独特な特性に適応する。 本研究では、異なるデータセット上での確率分布と異なる階層化手法について検討し、確率関連特性が実際にデータセット固有のものであることを見出した。
  論文  参考訳（メタデータ） (2023-12-13T02:48:35Z)
• Likelihood Ratio Confidence Sets for Sequential Decision Making [51.66638486226482]
  確率に基づく推論の原理を再検討し、確率比を用いて妥当な信頼シーケンスを構築することを提案する。 本手法は, 精度の高い問題に特に適している。 提案手法は,オンライン凸最適化への接続に光を当てることにより,推定器の最適シーケンスを確実に選択する方法を示す。
  論文  参考訳（メタデータ） (2023-11-08T00:10:21Z)
• Deep Causal Reasoning for Recommendations [47.83224399498504]
  推薦システム研究の新たなトレンドは、共同創設者の影響を因果的観点から否定することである。 提案手法は多因性マルチアウトカム(MCMO)推論問題としてモデル化する。 MCMOモデリングは,高次元因果空間に付随する観測が不十分なため,高いばらつきをもたらす可能性があることを示す。
  論文  参考訳（メタデータ） (2022-01-06T15:00:01Z)
• Control Variates for Slate Off-Policy Evaluation [112.35528337130118]
  多次元動作を伴うバッチ化されたコンテキスト帯域データから政治外評価の問題について検討する。 我々は, PIと自己正規化PIの双方に対して, リスク改善を保証した新しい推定器を得る。
  論文  参考訳（メタデータ） (2021-06-15T06:59:53Z)
• Deconfounding Scores: Feature Representations for Causal Effect Estimation with Weak Overlap [140.98628848491146]
  推定対象の偏りを伴わずに高い重なりを生じさせる,デコンファウンディングスコアを導入する。 分離スコアは観測データで識別可能なゼロ共分散条件を満たすことを示す。 特に,この手法が標準正規化の魅力的な代替となることを示す。
  論文  参考訳（メタデータ） (2021-04-12T18:50:11Z)
• Counterfactual Evaluation of Slate Recommendations with Sequential Reward Interactions [18.90946044396516]
  音楽ストリーミング、ビデオストリーミング、ニュースレコメンデーション、eコマースサービスは、しばしばシーケンシャルな方法でコンテンツを扱う。 したがって、適切なレコメンデーションのシーケンスの提供と評価は、これらのサービスにとって重要な問題である。 そこで本研究では,アナルアンバイアスの少ない報酬の逐次的相互作用が可能な新しい反事実推定器を提案する。
  論文  参考訳（メタデータ） (2020-07-25T17:58:01Z)

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。