arXiv · ML· Yorgos Felekis, Michael O'Riordan, Oriol Corcoll, Ciar\'an M. Gilligan-Lee·· 5 小时前AI 评分33
CRL方法提升Spotify推荐系统在分布偏移下的泛化性能
Causal Representation Learning for Generalisable Recommendation
AI 导读
基于因果表示学习（CRL）的方法解决了推荐系统因分布偏移导致的在线表现差问题，在Spotify千万级用户A/B测试中显著提升听众参与度。 该方法证明了信息论解耦准则的最优解可排除混杂因素信息，并推导了变分下界使其可用有限观测数据优化，且无需增加推理成本。 在Spotify生产环境及KuaiRand数据集上，该方法在分布偏移下均展示了优于基线的泛化能力，NeurIPS 2026接收。
来源：arXiv · ML · arxiv.org