Что такое counterfactual learning to rank?

Counterfactual Learning to Rank — это подход в информационном поиске и машинном обучении, который позволяет обучать модели ранжирования на основе логов взаимодействия пользователей с системой (например, кликов), учитывая смещение данных, вызванное политикой показа результатов.

Основная идея в том, что мы не можем просто обучать модель на кликах, так как пользователи кликают не на все релевантные документы, а чаще на те, что выше в списке (позиционное смещение). Counterfactual Learning to Rank использует методы каузального вывода, чтобы корректировать это смещение и оценивать, как бы модель работала, если бы показывала результаты по-другому.

Пример: если у нас есть лог кликов с текущей системой ранжирования, мы можем использовать методы инверсного вероятностного взвешивания (Inverse Propensity Scoring) для обучения новой модели, которая будет учитывать вероятность показа каждого документа и корректировать влияние кликов.

Это позволяет эффективно использовать реальные данные пользователей для улучшения качества ранжирования без необходимости собирать дорогостоящие аннотированные датасеты.