关于推荐系统中bias 和 debias的综述。
    推荐系统中四大bias： selection bias， position bias, exposure bias,popularity bias.

    为什么推荐系统会有bias?
    1） 我们收集到的用户行为是对用户的观察（普遍情况是用户的隐式反馈），天然存在噪声。
    2) item天然不平等，有些item就是会更受欢迎（在一段时间内得到更好的后验数据），模型在训练时会偏向于这类item（学得更准）。
    3） 推荐系统本身是一个闭环，其曝光机制决定了用户行为，而用户行为又反过来作用于推荐模型，影响推荐结果（即曝光机制。）这样的闭环很容易导致马太效应。

    bias类型 原因 影响 解决方案
    selection bias 用户偏好 数据长尾分布 数据截断；
    propensity score修正
    joint generative model
    doubly robust model
    exposure bias item热度带来的曝光偏置 没有被曝光的item不一定是负样本。
    大量item不能得到有效曝光    		 propensity score;
    causality-based model