Revisiting Two-tower Models for Unbiased Learning to Rank

[nogawanogawa]

論文URL

https://dl.acm.org/doi/10.1145/3477495.3531837

著者

Le Yan, Zhen Qin, Honglei Zhuang, Xuanhui Wang, Michael Bendersky, Marc Najork

会議

SIGIR ’22

背景

目的

アプローチ

ひとことメモ

あんま面白くなかった

[nogawanogawa]

背景

two towerアーキテクチャは、Unbiased Learning to Rankで使用される事がある。 これは、関連性を予測するtowerと別のtowerが観測バイアスを予測するモデルとなっている。

多くの場合、これらのtowerは完全に因数分解可能であると仮定しており、観測される効用は関連度と観測確率の一次乗算であると仮定している。 two towerの間の一次乗算は、実世界のデータセットをモデル化するには、あまりにも限定的である可能性がある。

[nogawanogawa]

目的

• Unbiased Learning to Rankで使用されるtwo tower アーキテクチャでの、従来の強い仮定を使用しない

アプローチ

• 2つの結合手法の提案
  • EMアルゴリズム
  • dot積

[nogawanogawa]

Mixture Expectation-Maximization

Embedding-based Interaction

[nogawanogawa]

評価

うまくいくらしい