Causal Discovery in Recommender Systems: Example and Discussion

要約

因果関係は、人工知能と機械学習のコミュニティによってますます注目を集めています。
この論文では、因果関係グラフを使用してレコメンダー システムの問題をモデル化する例を示します。
具体的には、オープンソースのデータセットからの観測データと事前知識を組み合わせて因果グラフを学習するという因果発見タスクに取り組みました。
結果として得られる因果グラフは、分析されたフィードバック信号に効果的に影響を与える変数が少数であることを示しています。
これは、ニューラル ネットワークなどの大規模モデルにますます多くの変数を含めようとする機械学習コミュニティの最近の傾向とは対照的です。

要約(オリジナル)

Causality is receiving increasing attention by the artificial intelligence and machine learning communities. This paper gives an example of modelling a recommender system problem using causal graphs. Specifically, we approached the causal discovery task to learn a causal graph by combining observational data from an open-source dataset with prior knowledge. The resulting causal graph shows that only a few variables effectively influence the analysed feedback signals. This contrasts with the recent trend in the machine learning community to include more and more variables in massive models, such as neural networks.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google