Какие приёмы борьбы с position bias в кликовых сигналах?

Position bias — это систематическая ошибка в кликовых данных, когда элементы, расположенные выше в списке результатов, получают больше кликов независимо от их релевантности. Для борьбы с position bias в кликовых сигналах применяются следующие приёмы:

• Использование методов интервенции (Intervention-based methods): случайное перемешивание позиций результатов для получения более объективных кликов.
• Модели кликов с учётом позиции: например, модель каскадного клика (Cascade Model), модель динамического клика (Dynamic Bayesian Network), которые учитывают вероятность клика с позиции и релевантность.
• Обработка кликов с помощью обратного взвешивания (Inverse Propensity Scoring): корректировка кликов с учётом вероятности клика на данной позиции.
• Использование дополнительных сигналов: например, время просмотра, скроллинг, чтобы компенсировать недостатки кликов.
• Обучение моделей ранжирования с учётом bias: Learning to Rank (LTR) модели, которые включают в себя специальные функции или регуляризации для уменьшения влияния position bias.

Пример: при обучении модели ранжирования можно использовать IPS для корректировки весов кликов:

# p - вероятность клика на позиции
# c - индикатор клика (1 или 0)
weighted_click = c / p

Таким образом, клики с высоких позиций, где вероятность клика выше, будут взвешены меньше, а с низких — больше, что снижает влияние position bias.