【WWW ‘22】A Model-Agnostic Causal Learning Framework for Recommendation using Search Data

基于机器学习的推荐系统已经成为人们自动发现兴趣的一种有效的方式。现有的方法经常将推荐的富信息，例如项目、用户、以及上下文等信息表示为embedding向量，并且利用这些向量来预测用户的反馈。从因果分析的角度来看，嵌入向量与用户反馈之间的关联，混合了能够表示用户为何偏好某个项目的因果部分以及仅仅表示统计相关性的非因果部分，例如曝光机制、公共观点、展示位置等。然而，现存的推荐系统在使用这些嵌入向量的时候大都忽略了因果部分和非因果部分之间的显著差异。