位置偏差
概述
位置偏差指排在推荐列表或搜索结果顶部的物品获得更多点击和评分，不是因为它们本质上更好，而是因为用户注意力天然集中在前几个位置。
关键内容
-
本质：位置偏差是一种与物品质量无关的系统性偏差。用户倾向于点击列表顶部的物品，即使这些物品与底部物品质量相同甚至更差。这使得位置靠前的物品获得更多反馈信号，进一步被模型学习为"更相关"。
-
与选择偏差的关系：位置偏差是 选择偏差 的一种形式——物品是否被观测（点击/评分）与其在列表中的位置高度相关，而非仅与物品本身的质量相关。
-
在推荐系统中的影响：两阶段推荐架构 中，候选生成阶段产生的物品排序直接影响曝光位置。位置偏差会导致模型过度学习"位置信号"而非"真实相关性信号"。
-
在搜索排序中的影响：Learning to Rank 领域长期研究位置偏差问题。用户点击行为是重要的反馈信号，但点击受到位置的强烈影响，不能直接等同于相关性。
-
校正方法：
- IPS：将位置作为倾向性评分的一部分，对高位置物品赋予较低权重
- 随机化实验：在部分流量中随机打乱排序位置，收集无偏的点击数据
-
位置感知模型：在模型中显式建模位置效应并加以校正
-
与流行度偏差的交互：位置偏差和 流行度偏差 常常叠加——热门物品更容易被排在前面，而排在前面又获得更多点击，形成双重偏差。
-
在隐式反馈中的表现：在点击、浏览等 隐式反馈 场景中，位置偏差尤为显著，因为用户甚至不需要主动评分，仅浏览行为就受到位置的强烈影响。