새로운 방법은 이중 보정 추정기의 한계를 극복하기 위해 모델 보정 전문가를 도입하는 것입니다. 이 모델 보정 전문가는 사용자 그룹마다 다른 로짓 분포를 고려하며, 각 전문가는 해당 그룹의 특정 지식을 학습하여 임퓨테이션 및 경향성 모델의 보정을 수행합니다. 이를 통해 각 사용자의 고유한 로짓 분포를 고려하면서도 충분한 학습 신호를 받을 수 있습니다. 또한, 삼중 수준의 공동 학습 프레임워크를 도입하여 보정 전문가를 예측 및 임퓨테이션 모델과 동시에 최적화합니다.
질문 2
이중 보정 추정기의 성능을 향상시키기 위한 추가적인 요인은 모델 보정을 통한 편향과 분산의 동시 감소입니다. 모델 보정을 통해 임퓨테이션 및 경향성 모델의 보정을 수행하면 편향과 분산을 동시에 줄일 수 있습니다. 이는 DR 추정기의 효과적인 편향-분산 교환을 위한 새로운 치료법을 제공하며, 보정된 의사 레이블을 통해 DR 추정기의 편향과 분산을 동시에 줄일 수 있습니다.
질문 3
추천 시스템의 발전을 위해 새로운 접근 방식으로는 사용자 그룹별로 다른 로짓 분포를 고려하는 모델 보정 전문가를 도입하는 것이 가능합니다. 이를 통해 각 사용자의 특성을 고려한 보다 정확한 모델 보정이 가능해지며, 이는 추천 시스템의 성능 향상에 기여할 수 있습니다. 또한, 삼중 수준의 공동 학습 프레임워크를 통해 모델 보정 전문가를 최적화하고 DR 추정기와 함께 사용함으로써 효율적인 추천 시스템을 구축할 수 있습니다.
0
目次
데이터 누락이 무작위가 아닌 추천을 위한 이중 보정 추정기
Doubly Calibrated Estimator for Recommendation on Data Missing Not At Random