Counterfactual Inference under Thompson Sampling
汤普森采样下的反事实推断AI 解读 ↓
← 返回论文列表与筛选
阅读说明
本页整理公开书目信息，不生成学术质量评分。AI 解读根据题名及所注明的摘要或原文片段生成，未完成全文核验，可能有误；具体假设、证明与结论请核对原文。摘要保留来源文本，未经模型改写。
DOI 首次登记不等于接收或发表日期。部分更正、评论等条目没有独立摘要；缺少可靠材料时保留待补状态。
本页为预印本版本；arXiv 收录、作者填写的期刊信息以及作者既有发表经历，都不单独证明本篇已接收。作者发表记录按 OpenAlex 身份与完整姓名、本站覆盖期刊 ISSN 及正式卷期核对，只展示已核实例，档案仍可能误合并。
引用量采用 OpenAlex 单条关联记录，不合计多个记录；关联记录可能包含正式发表版本，不等于此版本单独引用。缺失不视为零，引用指标不代表论文质量。
关注作者按书目中的完整姓名匹配，同名和姓名变体需人工辨别。相关论文先按共享细分方向和具体方法排列，再参考通用方法与发表日期。
分类依据与纠错
AI 根据所提供的论文材料归类：摘要明确讨论行动倾向概率、离策略估计和推荐系统的反事实评估，因此最直接归入因果推断方向。
反馈分类问题
正在核对关联版本…
代码、数据与补充材料
正在核对对应版本的资源…
关注这篇论文的作者
汤普森采样下的反事实推断
- 研究问题
- 推荐系统采用汤普森采样进行探索与利用时，如何获得通常难以直接取得的行动概率，从而开展离线反事实评估？
- 方法与思路
- 作者针对多种参数与结果分布推导精确且可高效计算的行动倾向概率，使依赖这些概率的离策略估计方法能够使用。
- 材料陈述的贡献
- 摘要称相关表达式拓展了汤普森采样场景下的离策略估计应用，并支持推荐系统、广告和个性化任务的反事实分析。
- 阅读关注点
- 应核对公式覆盖哪些分布与采样机制、概率计算是否依赖完整历史，以及无偏评估所需的支持重叠和日志信息。
- 阅读边界
- 这是 arXiv 预印本，同行评审及期刊接收未经核实；摘要未列无偏评估的完整条件，不能外推到任意汤普森采样实现。
原文摘要
Recommender systems exemplify sequential decision-making under uncertainty, strategically deciding what content to serve to users, to optimise a range of potential objectives. To balance the explore-exploit trade-off successfully, Thompson sampling provides a natural and widespread paradigm to probabilistically select which action to take. Questions of causal and counterfactual inference, which underpin use-cases like offline evaluation, are not straightforward to answer in these contexts. Specifically, whilst most existing estimators rely on action propensities, these are not readily available under Thompson sampling procedures. We derive exact and efficiently computable expressions for action propensities under a variety of parameter and outcome distributions, enabling the use of off-policy estimators in Thompson sampling scenarios. This opens up a range of practical use-cases where counterfactual inference is crucial, including unbiased offline evaluation of recommender systems, as well as general applications of causal inference in online advertising, personalisation, and beyond.