在现实的搜索（信息检索）系统中，因为界面表达或者是用户的偏好所导致的种种偏差（Bias）长久以来一直困扰着研发人员如何能够有效得获得用户对文档的真实反馈，或者说是真实的相关度（Relevance）。

最近几年，随着"反事实学习"（Counterfactual Learning）和机器学习的一些方法的结合，排序学习（Learning to Rank）领域迎来了一个新的方向的发展，那就是”无偏差排序学习“（Unbiased Learning to Rank）。简单来讲，这个方向就是希望把现实交互中的偏差给消除掉。

在最近召开的CIKM 2018会议上，来自University of Massachusetts Amherst和清华大学的学者做了一个关于这个方向的讲座（Tutorial）（http://t.cn/E23lvyY）。从讲座的归纳上来看，目前这个方向主要有两种解决方法，一种是尝试把偏差从标签中去除，那么这一方向主要是依靠”点击模型“（Click Model）来达到的；而第二种方法主要是尝试在学习过程中对偏差进行建模，利用”反事实学习“来消除偏差对于学习目标的影响，这也是近几年的创新。