面向两阶段反事实排序学习-计算机科学-机器学习-算法.pdfVIP

面向两阶段反事实排序学习

ShashankGuptaYimingLiaoMaartendeRijke

UniversityofAmsterdamMetaAIUniversityofAmsterdam

Amsterdam,TheNetherlandsNewYork,UnitedStatesofAmsterdam,TheNetherlands

s.gupta2@uva.nlAmericaderijke@uva.nl

yimingliao@

摘要Keywords

cro:CLTRCounterfactuallearningtorank(CLTR)学习排序；反事实学习排序

力求从用户交互中学习排名策略，同时纠正交互数据ACMReferenceFormat:

中的固有偏差，如位置偏差。现有的CLTR方法假设ShashankGupta,YimingLiao,andMaartendeRijke.2025.

本一个单一的排名策略，从整个文档候选集中选择前面向两阶段反事实排序学习.InProceedingsofthe2025In-

译排名。在实际应用中，候选文档集的数量级为百万，ternationalACMSIGIRConferenceonInnovativeConcepts

andTheoriesinInformationRetrieval(ICTIR)(ICTIR’25),

中使得单阶段排名策略不切实际。为了扩展到数以百万

July18,2025,Padua,Italy.ACM,NewYork,NY,USA,

2计的文档，现实世界的排名系统被设计成两阶段的方8pages./10.1145/3731120.3744583

v

4式，首先是候选生成器，然后是排名器。现有的用于

5两阶段离线排名系统的CLTR方法仅考虑前1排名设

81介绍

0置，并且只专注于训练候选生成器，而排名器固定不

2.变。一种同时联合训练排名器和候选生成器的CLTR一种cro:LTRlearningtorank(LTR)方法旨在优化

6方法在现有文献中缺失。排名策略以最大化给定的cro:IRinformationretrieval

0

5在本文中，我们提出了一种两阶段的CLTR估计(IR)指标[21]。传统上，LTR策略是使用手动整理的

2

:器，该估计器考虑了两个阶段之间的相互作用，并离查询和文档相关性判断进行训练的。现在众所周知，

v

i线估计了两种策略的联合值。此外，我们提出了一种手动整理相关性判断费时、不可扩展且不一定能转化

x

r新颖的联合优化方法来分别训练候选和排名策略。据为用户偏好[3,31]。作为替代方案，来自用户互动的

a

我们所知，我们是第一个提出两阶段排序的CLTR估LTR