論文の概要: Confounding is a Pervasive Problem in Real World Recommender Systems

• arxiv url: http://arxiv.org/abs/2508.10479v1
• Date: Thu, 14 Aug 2025 09:31:35 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-08-15 22:24:48.256008
• Title: Confounding is a Pervasive Problem in Real World Recommender Systems
• Title（参考訳）: コンファウンディングは現実世界のレコメンダシステムにおける広汎な問題である
• Authors: Alexander Merkov, David Rohde, Alexandre Gilotte, Benjamin Heymann,
• Abstract要約: 観測されていない共生は、経済学、医学、生態学、疫学などの分野における観察的研究を損なう。 本稿では,機能工学やA/Bテスト,モジュール化など,多くの共通プラクティスが,実際にはコンファウンディングをレコメンデーションシステムに導入できることを示す。
• 参考スコア（独自算出の注目度）: 84.09696908897168
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Unobserved confounding arises when an unmeasured feature influences both the treatment and the outcome, leading to biased causal effect estimates. This issue undermines observational studies in fields like economics, medicine, ecology or epidemiology. Recommender systems leveraging fully observed data seem not to be vulnerable to this problem. However many standard practices in recommender systems result in observed features being ignored, resulting in effectively the same problem. This paper will show that numerous common practices such as feature engineering, A/B testing and modularization can in fact introduce confounding into recommendation systems and hamper their performance. Several illustrations of the phenomena are provided, supported by simulation studies with practical suggestions about how practitioners may reduce or avoid the affects of confounding in real systems.
• Abstract（参考訳）: 観測されていない特徴が治療と結果の両方に影響を及ぼし、バイアスのある因果効果の推定が生じる。 この問題は、経済学、医学、生態学、疫学などの分野での観察研究を妨げている。 完全に観測されたデータを活用するレコメンダシステムは、この問題に対して脆弱ではないようだ。 しかし、レコメンデーションシステムにおける多くの標準的なプラクティスは観察された特徴を無視し、事実上同じ問題をもたらす。 本稿では,機能工学やA/Bテスト,モジュール化など,多くの共通プラクティスが,実際にはレコメンデーションシステムへのコンファウンディングを導入し,パフォーマンスを損なう可能性があることを示す。 シミュレーション研究によって支援されたいくつかの現象のイラストが提供され、実践者が現実のシステムにおける共生の影響を減らしたり回避したりする方法に関する実践的な提案がなされている。

関連論文リスト

• Does Unsupervised Domain Adaptation Improve the Robustness of Amortized Bayesian Inference? A Systematic Evaluation [3.4109073456116477]
  近年のロバストなアプローチでは、シミュレーションおよび観測データの埋め込み空間と一致するように、教師なし領域適応(UDA)が採用されている。 本研究では,領域間の要約空間の整合が,非モデル化現象や雑音の影響を効果的に緩和することを示した。 以上の結果から,UDAを用いてABIのロバスト性を高める際に,不特定型を慎重に検討することの必要性が示唆された。
  論文  参考訳（メタデータ） (2025-02-07T14:13:51Z)
• Higher-Order Causal Message Passing for Experimentation with Complex Interference [6.092214762701847]
  本研究では、因果的メッセージパッシングに基づく新しい推定器のクラスを導入し、広範で未知な干渉のある設定に特化して設計する。 我々の推定器は、サンプルの平均値と時間とともに単位結果と処理のばらつきから情報を抽出し、観測データの効率的な利用を可能にする。
  論文  参考訳（メタデータ） (2024-11-01T18:00:51Z)
• Benchmarking Bayesian Causal Discovery Methods for Downstream Treatment Effect Estimation [137.3520153445413]
  下流推論に重点を置く因果発見手法の評価において,顕著なギャップが存在する。 我々は,GFlowNetsに基づく新たな手法を含む,確立された7つの基本因果探索手法を評価する。 研究の結果,研究対象のアルゴリズムのいくつかは,多種多様なATEモードを効果的に捉えることができることがわかった。
  論文  参考訳（メタデータ） (2023-07-11T02:58:10Z)
• A Double Machine Learning Approach to Combining Experimental and Observational Data [59.29868677652324]
  実験と観測を組み合わせた二重機械学習手法を提案する。 我々の枠組みは、より軽度の仮定の下で、外部の妥当性と無知の違反を検査する。
  論文  参考訳（メタデータ） (2023-07-04T02:53:11Z)
• CausalBench: A Large-scale Benchmark for Network Inference from Single-cell Perturbation Data [61.088705993848606]
  本稿では,実世界の介入データに対する因果推論手法を評価するベンチマークスイートCausalBenchを紹介する。 CaulBenchには、新しい分散ベースの介入メトリクスを含む、生物学的に動機付けられたパフォーマンスメトリクスが含まれている。
  論文  参考訳（メタデータ） (2022-10-31T13:04:07Z)
• Recency Dropout for Recurrent Recommender Systems [23.210278548403185]
  本稿では,リコメンデータシステムにおけるリコメンデーションバイアスを軽減するために,簡易かつ効果的なデータ拡張手法であるリコメンデーションドロップアウト手法を提案する。 シミュレーション実験,オフライン実験,大規模産業レコメンデーションプラットフォームでのライブ実験など,各種実験環境における遅延降下の有効性を実証する。
  論文  参考訳（メタデータ） (2022-01-26T15:50:20Z)
• SurvITE: Learning Heterogeneous Treatment Effects from Time-to-Event Data [83.50281440043241]
  時系列データから不均一な処理効果を推定する問題について検討する。 本稿では,バランス表現に基づく治療特異的ハザード推定のための新しいディープラーニング手法を提案する。
  論文  参考訳（メタデータ） (2021-10-26T20:13:17Z)
• Estimating Individual Treatment Effects using Non-Parametric Regression Models: a Review [0.0]
  本稿では、観測データや非完全ランダム化データを用いて因果推論を行う際の設定と課題を紹介する。 我々は、個々の治療効果を推定できる既存の最先端フレームワークの統一分類法を開発する。 本研究は,学校給食プログラムデータの実証分析に,いくつかの方法を用いることで,結論を導いた。
  論文  参考訳（メタデータ） (2020-09-14T14:26:55Z)

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。