因果推理在推荐系统中的创新应用

新研讨会推动因果推理在推荐系统中的应用

ACM推荐系统大会（RecSys）是推荐系统领域的顶级会议，每年吸引来自学术界和工业界的上千名参与者。今年会议在西雅图举行，由两位某中心科学家担任联合主席。

研讨会亮点

• 因果推理与反事实分析
• 推荐系统中的序列决策
• 大规模强化学习应用

技术理念演进

传统推荐系统将问题视为预测任务：“用户喜欢该产品的概率是多少？”但业界逐渐认识到这属于短视 approach，系统应该做出决策而非仅仅预测。决策会产生后果，包括：

• 影响用户行为
• 影响商家曝光度
• 影响算法训练数据

关键技术方法

为理解机器学习决策的（可能意外）后果，需要借鉴因果推断思想。在记录数据的学习和评估中，“如果...会怎样”类问题需要反事实建模方法。考虑因果因素可以推动有效、高效和公平的学习与评估。

特邀专家

Guido Imbens

• 斯坦福商学院应用计量经济学教授
• 某中心研究顾问
• 2021年诺贝尔经济学奖得主
• 专长于因果推断的计量经济学方法

Lihong Li

• 某中心高级首席科学家
• 罗格斯大学计算机科学博士
• 曾在多家科技机构担任研究职位
• 主要研究强化学习、上下文赌博机及相关AI问题
• 获得ICML、AISTATS、WSDM最佳论文奖

研讨会安排

创新性两天制议程包括：

• 所有接受贡献的海报展示环节
• 精选贡献的口头报告
• 会前教程介绍高级概念和技术

重要日期

组织团队

CONSEQUENCES

• Olivier Jeunen, 某中心
• Thorsten Joachims, 康奈尔大学与某中心
• Yuta Saito, 康奈尔大学
• Harrie Oosterhuis, 拉德堡德大学与某社交平台
• Flavian Vasile, Criteo

REVEAL

• Paige Bailey, Anyscale
• Maria Dimakopoulou, Spotify
• Ying Li, Netflix
• Richard Liaw, Anyscale
• Yves Raimond, Netflix