选择偏差
概述
选择偏差指用户倾向于只对感兴趣的物品进行评分或交互，导致观测数据并非真实偏好的随机样本，而是经过自我筛选的有偏样本。
关键内容
-
本质：在推荐系统中，用户可能看过 1000 部电影但只给 30 部打分——这 30 部大概率是特别喜欢或特别讨厌的。那些"一般般"的电影不会出现在评分记录中。观测到的评分数据因此不是全量数据的无偏子集。
-
与 MNAR 的关系：选择偏差是 MNAR（非随机缺失）的典型表现。某个评分是否被观测到，与该评分的值本身高度相关——用户更倾向于评价自己喜欢的东西，导致观测到的评分偏高。
-
来源层面：Tobias Schnabel 等人指出选择偏差来自两个来源：(a) 用户的自我选择（self-selection），(b) 推荐系统自身的行为。后者形成反馈循环——推荐系统的偏差导致有偏的训练数据，有偏的训练数据又强化了推荐系统的偏差。
-
对训练的影响：在选择偏差数据上训练的模型会继承这种偏差，如过度推荐热门内容、忽视冷门但优质的长尾物品。
-
对评估的影响：如果评估本身有偏，就无法可靠比较不同推荐算法的优劣，也无法判断新方法是否真正带来改进。
-
校正方法：IPS 通过逆倾向加权校正选择偏差，使稀有观测获得更高权重。SNIPS 进一步降低方差。双重鲁棒估计器 结合 IPS 和直接方法提供双重保护。
-
与流行度偏差、位置偏差的区别：选择偏差关注用户主动选择行为的偏差；流行度偏差 关注热门物品获得过多曝光；位置偏差 关注列表位置对点击的影响。三者常同时存在，共同构成推荐系统的偏差困局。