用于消除推荐系统中情感偏差的反事实推理
信息检索
2025-05-07 v1 人工智能
摘要
推荐系统（RS）旨在为用户提供个性化推荐。一种新发现的偏差，称为情感偏差，揭示了基于评论的推荐系统（RRS）中的一个普遍现象：与拥有正面评论的用户或物品相比，拥有负面评论的用户或物品的推荐准确率会下降。挑剔的用户和小众物品因这种不公平的推荐而处于不利地位。我们从反事实推理的角度分两个阶段研究此问题。在模型训练阶段，我们构建一个因果图并建模情感如何影响最终评分。在推理阶段，我们解耦直接效应和间接效应，以减轻情感偏差的影响，并利用反事实推理消除间接效应。我们进行了广泛的实验，结果验证了我们的模型在评分预测上能实现可比的性能，从而提供更好的推荐，并有效缓解情感偏差。据我们所知，这是首次将反事实推理应用于推荐系统中情感偏差缓解的工作。
引用
@article{arxiv.2505.03655,
title = {Counterfactual Inference for Eliminating Sentiment Bias in Recommender Systems},
author = {Le Pan and Yuanjiang Cao and Chengkai Huang and Wenjie Zhang and Lina Yao},
journal= {arXiv preprint arXiv:2505.03655},
year = {2025}
}