論文の概要: BPL: Bias-adaptive Preference Distillation Learning for Recommender System

• arxiv url: http://arxiv.org/abs/2510.16076v1
• Date: Fri, 17 Oct 2025 11:09:04 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-10-25 00:56:38.832644
• Title: BPL: Bias-adaptive Preference Distillation Learning for Recommender System
• Title（参考訳）: BPL:レコメンダシステムのためのバイアス適応型選好蒸留学習
• Authors: SeongKu Kang, Jianxun Lian, Dongha Lee, Wonbin Kweon, Sanghwan Jang, Jaehyun Lee, Jindong Wang, Xing Xie, Hwanjo Yu,
• Abstract要約: 本稿では,BPL(Bias-Adaptive Preference distillation Learning)と呼ばれる新たな学習フレームワークを導入し,ユーザの嗜好を徐々に明らかにする。 BPLは、収集したフィードバックに合わせた正確な好みの知識を保持し、実際のテストで高いパフォーマンスをもたらす。 信頼性フィルタリングによる自己蒸留により、BPLはトレーニングプロセスを通してその知識を反復的に洗練する。
• 参考スコア（独自算出の注目度）: 61.916973366625285
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Recommender systems suffer from biases that cause the collected feedback to incompletely reveal user preference. While debiasing learning has been extensively studied, they mostly focused on the specialized (called counterfactual) test environment simulated by random exposure of items, significantly degrading accuracy in the typical (called factual) test environment based on actual user-item interactions. In fact, each test environment highlights the benefit of a different aspect: the counterfactual test emphasizes user satisfaction in the long-terms, while the factual test focuses on predicting subsequent user behaviors on platforms. Therefore, it is desirable to have a model that performs well on both tests rather than only one. In this work, we introduce a new learning framework, called Bias-adaptive Preference distillation Learning (BPL), to gradually uncover user preferences with dual distillation strategies. These distillation strategies are designed to drive high performance in both factual and counterfactual test environments. Employing a specialized form of teacher-student distillation from a biased model, BPL retains accurate preference knowledge aligned with the collected feedback, leading to high performance in the factual test. Furthermore, through self-distillation with reliability filtering, BPL iteratively refines its knowledge throughout the training process. This enables the model to produce more accurate predictions across a broader range of user-item combinations, thereby improving performance in the counterfactual test. Comprehensive experiments validate the effectiveness of BPL in both factual and counterfactual tests. Our implementation is accessible via: https://github.com/SeongKu-Kang/BPL.
• Abstract（参考訳）: レコメンダシステムは、収集されたフィードバックがユーザの好みを不完全な形で明らかにするバイアスに悩まされる。 偏見学習は広く研究されているが、彼らは主に、アイテムのランダムな露出によってシミュレートされた特殊(偽物と呼ばれる)テスト環境に焦点を当て、実際のユーザとテムの相互作用に基づいて、典型的な(実物と呼ばれる)テスト環境での精度を著しく低下させた。 事実、各テスト環境は異なる側面の利点を強調している: カウンターファクトテストは長期的なユーザの満足度を強調し、事実テストはプラットフォーム上でのその後のユーザの振る舞いを予測することに焦点を当てている。 したがって、1つだけではなく、両方のテストでうまく機能するモデルを持つことが望ましい。 本研究では,バイアズ適応型優先蒸留学習(BPL)と呼ばれる新たな学習フレームワークを導入し,利用者の嗜好を2つの蒸留戦略で徐々に明らかにする。 これらの蒸留戦略は, 実物と反物の両方で高い性能を発揮するように設計されている。 偏りのあるモデルから専門的な形態の教師・学生蒸留を採用することで、BPLは収集したフィードバックに合わせた正確な嗜好知識を保持し、実際のテストで高いパフォーマンスを実現する。 さらに、信頼性フィルタリングによる自己蒸留により、BPLはトレーニングプロセスを通じてその知識を反復的に洗練する。 これにより、モデルがより広範囲のユーザとイテムの組み合わせにわたってより正確な予測を生成でき、その結果、偽物テストのパフォーマンスが向上する。 総合的な実験により,BPLの有効性が実証された。 私たちの実装は、https://github.com/SeongKu-Kang/BPLを介してアクセスできます。

関連論文リスト

• A Systematic Examination of Preference Learning through the Lens of Instruction-Following [83.71180850955679]
  新たな合成データ生成パイプラインを用いて48,000の命令追従プロンプトを生成する。 合成プロンプトでは、リジェクションサンプリング(RS)とモンテカルロ木探索(MCTS)の2つの選好データセットキュレーション手法を用いる。 実験により、MCTSが生成した選好ペアにおける共有プレフィックスは、限界はあるが一貫した改善をもたらすことが明らかになった。 高コントラストの選好ペアは一般的に低コントラストのペアよりも優れているが、両者を組み合わせることで最高のパフォーマンスが得られることが多い。
  論文  参考訳（メタデータ） (2024-12-18T15:38:39Z)
• Dual Test-time Training for Out-of-distribution Recommender System [91.15209066874694]
  DT3ORと呼ばれるOODレコメンデーションのための新しいDual Test-Time-Trainingフレームワークを提案する。 DT3ORでは、テスト期間中にモデル適応機構を導入し、リコメンデーションモデルを慎重に更新する。 我々の知る限りでは、テストタイムトレーニング戦略を通じてOODレコメンデーションに対処する最初の研究である。
  論文  参考訳（メタデータ） (2024-07-22T13:27:51Z)
• BaFTA: Backprop-Free Test-Time Adaptation For Zero-Shot Vision-Language Models [20.88680592729709]
  本稿では,視覚言語モデルの試験時間適応のためのバックプロパゲーションフリーアルゴリズムBaFTAを提案する。 BaFTAは、投影された埋め込み空間内のオンラインクラスタリングを使用して、クラスセントロイドを直接推定する。 我々は,BaFTAが最先端の試験時間適応手法を効率と効率の両方で一貫して上回っていることを実証した。
  論文  参考訳（メタデータ） (2024-06-17T08:16:24Z)
• Take Care of Your Prompt Bias! Investigating and Mitigating Prompt Bias in Factual Knowledge Extraction [56.17020601803071]
  近年の研究では、事前学習言語モデル(PLM)が、事実知識抽出において「急激なバイアス」に悩まされていることが示されている。 本稿では,突発バイアスを徹底的に調査し緩和することにより,既存のベンチマークの信頼性を向上させることを目的とする。
  論文  参考訳（メタデータ） (2024-03-15T02:04:35Z)
• DELTA: degradation-free fully test-time adaptation [59.74287982885375]
  テスト時間バッチ正規化(BN)や自己学習といった,一般的な適応手法では,2つの好ましくない欠陥が隠されていることがわかった。 まず、テスト時間BNにおける正規化統計は、現在受信されているテストサンプルに完全に影響され、その結果、不正確な推定結果が得られることを明らかにする。 第二に、テスト時間適応中にパラメータ更新が支配的なクラスに偏っていることを示す。
  論文  参考訳（メタデータ） (2023-01-30T15:54:00Z)
• Characterizing the robustness of Bayesian adaptive experimental designs to active learning bias [3.1351527202068445]
  本研究では,学習バイアスがベイズ適応型実験設計に悪影響を及ぼすことを示す。 我々は,誤識別に関する情報理論的な尺度を開発し,誤識別の悪さが学習バイアスの重大化を示唆していることを示す。
  論文  参考訳（メタデータ） (2022-05-27T01:23:11Z)

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。