딥러닝 추천 모델에 인과추론 접목시켜 전환율 예측 성능을 향상시키자!
AI
딥러닝 추천 모델에 인과추론 접목시켜 전환율 예측 성능을 향상시키자!
두줄요약
추천시스템에서 상관관계만 학습할 때 생기는 편향과 누락 문제를 인과추론 관점에서 설명했습니다. 전환율 예측에서는 MTL과 IPW, DR을 결합한 방법으로 성능을 높이는 흐름을 소개했습니다.
핵심 내용
- 추천시스템의 상관관계 기반 학습이 데이터 편향, 누락, 노이즈로 인해 실제 인과관계를 충분히 반영하지 못하는 문제 제기
- 인과추론의 backdoor path 관점에서 confounder를 제거해 편향을 보정하는 접근 소개
- 전환율 예측에서 MTL 기반 ESMM과 인과추론 기법(IPW, DR)을 결합한 ESCM2 계열 방법 설명
- 온라인 A/B 테스트와 플랫폼 적용에서 성능 향상 사례 언급