推荐系统中图神经网络方法的偏差放大比较分析
信息检索
2023-01-19 v1 人工智能
摘要
推荐系统(Recommender Systems, RSs)用于向用户提供个性化物品推荐，帮助其克服信息过载问题。当前，基于深度学习的方法因能够表示用户与物品间的复杂关系并融入额外信息，正逐渐取代矩阵分解等传统方法而占据优势。由于这些数据具有图结构，且图神经网络(Graph Neural Networks, GNNs)从此类结构中学习的能力更强，已成功应用于推荐系统。然而，在使用这些算法时，需要研究偏差放大问题。偏差会导致不公平决策，因社会失望与环境危害而对公司的声誉与财务状况产生负面影响。本文旨在通过文献综述，以及针对不同基于GNN的算法相较于最先进(state-of-the-art)方法在偏差下的行为分析，对该问题进行全面研究。我们也试图探索恰当的解决方案，以尽可能小的模型性能影响来应对此问题。
引用
@article{arxiv.2301.07639,
title = {A Comparative Analysis of Bias Amplification in Graph Neural Network Approaches for Recommender Systems},
author = {Nikzad Chizari and Niloufar Shoeibi and María N. Moreno-García},
journal= {arXiv preprint arXiv:2301.07639},
year = {2023}
}