分析音乐推荐系统的物品流行度偏差：不同性别是否受到同等影响？
信息检索
2021-08-17 v1
摘要
若干研究已发现用户档案中物品的流行度与相应推荐列表之间存在差异。这种涉及多种推荐算法的现象被称为流行度偏差。现有工作主要采用简单的统计度量（如均值或中位数流行度的差异）来量化流行度偏差，且除对流行内容的倾向外不顾及用户特征。相比之下，本文提出从中位数、多种统计矩，以及考虑整体流行度分布的相似性度量（Kullback-Leibler散度和Kendall's tau秩相关）来研究（用户档案与推荐列表之间的）流行度差异。这给出了流行度偏差特征的更细致图景。此外，我们考察此类算法流行度偏差是否以相同方式影响不同性别的用户。我们聚焦于音乐推荐，并在近期发布的包含Last.fm用户收听档案的标准化LFM-2b数据集上开展实验。我们考察了七种常见推荐算法（五种协同过滤与两种基线）的算法流行度偏差。实验表明：（1）与仅使用平均差异相比，所研究度量提供了关于流行度偏差的新见解；（2）较不易放大流行度偏差的算法在效用（NDCG）方面未必表现更差；（3）大多数受调查推荐器加剧了女性用户的流行度偏差。
引用
@article{arxiv.2108.06973,
title = {Analyzing Item Popularity Bias of Music Recommender Systems: Are Different Genders Equally Affected?},
author = {Oleg Lesota and Alessandro B. Melchiorre and Navid Rekabsaz and Stefan Brandl and Dominik Kowald and Elisabeth Lex and Markus Schedl},
journal= {arXiv preprint arXiv:2108.06973},
year = {2021}
}
备注
RecSys 2021 - LBR