论文部分内容阅读
商品推荐系统被电商网站用于为用户推荐个性化的商品。其中,商品排序模块对推荐结果起到决定性作用,该模块常采用排序学习算法对候选商品进行排序,并输出商品的推荐序列。目前,工业级的排序学习算法需要大量的标签数据作为模型训练的输入,然而获取数据标签的成本非常昂贵,所以常采用如用户点击记录的用户隐式反馈数据作为替代。但是,用户隐式反馈中包含内部偏向的问题,偏向是会影响用户点击行为的场景因素,存在偏向的数据会导致训练得到的模型效果欠佳。因此,需要研究电商推荐场景的无偏排序学习算法。针对以上问题,本文首先对商品推