Co je to Inverse Propensity Scoring v LTR?

Inverzní skóre pravděpodobnosti (IPS) v Learning to Rank (LTR) je metoda korekce zkreslení v datech, ke kterým dochází, protože kliknutí uživatelů závisí nejen na relevanci, ale také na pozici nebo jiných faktorech. IPS se používá k hodnocení kvality řazení na základě kliknutí, kompenzující nerovnoměrné rozdělení pravděpodobností kliknutí.

Myšlenka je, že každý klik je vážen inverzně úměrně pravděpodobnosti, že uživatel uvidí a klikne na tento prvek (propensity). Tímto způsobem získávají kliknutí na pozicích s nízkou pravděpodobností větší váhu, což pomáhá získat spravedlivější hodnocení modelu.

Příklad: pokud je pravděpodobnost kliknutí na pozici 1 0.8 a na pozici 5 0.2, pak bude kliknutí na pozici 5 váženo silněji, aby se kompenzovala nižší pravděpodobnost být zaznamenáno.

To umožňuje trénovat modely řazení na základě pozorovaných kliknutí, minimalizující zkreslení způsobené pozicí nebo jinými faktory.