An Epistemic Position-Based Click Model: From Interactions to Epistemic Distributions of Relevance and Bias
认知位置点击模型：从交互到相关性与偏差的不确定性分布
🧭 点击模型的不确定性量化
University of Amsterdam · Radboud University Nijmegen
提出首个证据深度学习点击模型，输出相关性与位置偏差的 Beta 分布以量化认知不确定性
📌 工作参考价值（4 点）
- 在推荐/搜索系统的点击建模中引入认知不确定性，可获得预测置信度，用于在线决策的谨慎探索或保守策略，例如在新物品冷启动时避免过度依赖不可靠的预估。
- Beta 分布输出可直接用于后续的 bandit 或强化学习算法，天然适配 Thompson Sampling，提升探索效率。
- 位置偏差校正的不确定性估计可帮助离线评估更稳健，识别不可信的位置效应，避免错误归因。
- 方法采用证据深度学习，工程上只需在原有点击模型基础上增加输出层并改损失函数，额外计算成本低，易于部署到现有点击率预估模型。