Mi az az Inverse Propensity Scoring az LTR-ben?
sobes.tech MI
Válasz az MI-től
Inverse Propensity Scoring (IPS) a Learning to Rank (LTR) során egy olyan módszer, amellyel korrigálhatók az adatokban lévő torzítások, amelyek abból adódnak, hogy a felhasználói kattintások nemcsak a relevanciától, hanem a pozíciótól vagy más tényezőktől is függenek. Az IPS-t a kattintásokon alapuló rangsorolás minőségének értékelésére használják, kiegyenlítve a kattintási valószínűségek egyenetlen eloszlását.
Az ötlet az, hogy minden kattintást fordított arányban súlyoznak a felhasználó azon valószínűségével, hogy meglátja és kattint rá (propensitás). Így a alacsony valószínűségű pozíciók kattintásai nagyobb súlyt kapnak, ami segít egy igazságosabb értékelést adni a modellnek.
Példa: ha az 1. pozíció kattintási valószínűsége 0.8, és az 5. pozícióé 0.2, akkor az 5. pozíció kattintása erősebben lesz súlyozva, hogy kompenzálja a kisebb láthatósági valószínűséget.
Ez lehetővé teszi a rangsorolási modellek tanítását megfigyelt kattintások alapján, minimalizálva a pozíció vagy más tényezők által okozott torzítást.