因果推理在推荐系统中的应用研讨会

ACM推荐系统会议（RecSys）是推荐系统领域的顶级会议，近年每届吸引超过千名来自学术界和工业界的参与者。这种多样性促进了宝贵的跨领域交流，推动了跨学科研究的进展。

推荐系统的应用是某中心的重要研究领域，旨在为零售网站、音乐服务、视频平台和语音助手等提供卓越的客户体验。今年会议在西雅图举行，某中心两位科学家担任联合主席，更多科学家参与组织和程序委员会。

RecSys的研讨会项目历来强劲，工业界和学术界研究人员合作深入探讨新兴研究主题和开放问题。今年，某中心贡献了为期两天的CONSEQUENCES+REVEAL研讨会。REVEAL研讨会系列于2018年至2020年运行，涵盖离线评估到bandits和强化学习等问题，引起了广泛关注。今年REVEAL将重新启动，专注于推荐的大规模强化学习。

同时，研讨会扩展了范围，新增CONSEQUENCES：因果性、反事实和推荐系统的序列决策。传统上，机器学习的推荐方法倾向于将其视为预测任务：“用户喜欢该产品的概率是多少？”最近，社区开始意识到这是一种短视的视角，系统应该做出决策而非预测。这是一个重要区别，因为决策有后果，推荐会影响购物者行为、卖家曝光、算法未来训练数据等。

如果要推理机器学习模型决策的（可能意外）后果，需要借鉴因果推断的思想。典型的“如果……会怎样”类问题在学习和评估中需要建模反事实的方法。考虑因果因素可以促进从记录数据中进行有效、高效和公平的学习与评估。

CONSEQUENCES邀请了两位演讲者：一位是诺贝尔奖获奖的学术先驱，另一位是在基础理论和应用方面有十多年经验的工业研究巨头。

Guido Imbens
Guido Imbens是斯坦福商学院应用计量经济学和经济学教授，某中心研究顾问。从布朗大学毕业后，他在哈佛大学、UCLA和UC伯克利任教，2012年加入斯坦福。Imbens专长于计量经济学，特别是因果推断方法。他是计量经济学会和美国艺术与科学学院院士，2021年因“对因果关系分析方法论的贡献”共同获得诺贝尔经济学奖。

Lihong Li
Lihong Li是某中心高级首席科学家，获得罗格斯大学计算机科学博士学位，曾在Yahoo!、某机构和谷歌担任研究职位。主要研究兴趣包括强化学习（如上下文bandits）和AI相关问题。他的工作应用于推荐、广告、网络搜索和对话系统，并在ICML、AISTATS和WSDM获得最佳论文奖。他定期在AAAI、AISTATS、ICLR、ICML、IJCAI和NeurIPS等主要AI/ML会议担任区域主席或高级程序委员会委员。

CONSEQUENCES+REVEAL的组织者正在合作实施一种新颖的研讨会形式，内容精彩，程序按主题分为两天。包括所有接受贡献的海报会议、精选贡献的口头报告，以及研讨会开始的教程介绍高级概念和技术。

更多提交贡献的信息，请参见官方研讨会网站。期待您的参与！

重要日期

• 提交截止：2022年8月5日
• 作者通知：2022年8月27日
• 最终版本截止：2022年9月10日
• CONSEQUENCES ’22：2022年9月18–23日
• REVEAL ’22：2022年9月18–23日

组织者
CONSEQUENCES：

• Olivier Jeunen, 某中心
• Thorsten Joachims, 康奈尔大学信息科学与计算机科学系，及某中心
• Yuta Saito, 康奈尔大学计算机科学系
• Harrie Oosterhuis, 拉德堡德大学和Twitter
• Flavian Vasile, Criteo

REVEAL：

• Paige Bailey, Anyscale
• Maria Dimakopoulou, Spotify
• Ying Li, Netflix
• Richard Liaw, Anyscale
• Yves Raimond, Netflix