面向移动游戏中的数据去偏技术：针对推荐系统偏见的案例研究

移动游戏行业，特别是免费游戏领域，已经发展了十多年，但仍然保持快速增长。游戏即服务（Game-as-a-Service）的概念要求游戏开发商更加关注游戏内内容的推荐。对于推荐系统（RS），数据中的偏见问题不可避免地随之而来。大量研究已针对在线零售或服务领域的RS偏见问题进行探讨，但针对特定游戏行业的研究相对较少。此外，在已有研究中，各种去偏技术是在显式反馈数据集上测试的，而在移动游戏数据中更常见的是只有隐式反馈。本案例研究旨在识别和分类移动游戏数据集中特定于基于模型的推荐的潜在偏见，回顾现有文献中的去偏技术，并评估其在基于隐式反馈收集的真实数据上的有效性。随后根据这些方法的去偏质量、数据需求和计算需求对其有效性进行评估。