在基于原型的推荐系统中嵌入文化多样性
信息检索
2024-12-20 v1 人工智能
计算机与社会
摘要
推荐系统中的流行度偏差可能通过偏向主流文化规范并边缘化代表性不足的群体来加剧文化过度代表。这个问题对于提供文化产品的平台至关重要，因为它们影响消费模式和人类认知。在这项工作中，我们通过识别基于原型的矩阵分解方法中的人口统计偏差来解决流行度偏差。使用原产国作为文化身份的代理，我们通过优化嵌入空间学习过程将此人口统计属性与流行度偏差联系起来。首先，我们提出过滤掉不相关的原型以提高代表性。其次，我们引入一种正则化技术，以强制原型在嵌入空间内均匀分布。在四个数据集上，我们的结果表明长尾项目的平均排名降低了27%，来自代表性不足国家的项目的平均排名降低了2%。此外，与最先进方法相比，我们的模型在HitRatio@10上提高了2%，表明在不牺牲推荐质量的情况下增强了公平性。此外，原型的分布通过更好地将项目与多样化原型对齐，带来了更具包容性的解释。
引用
@article{arxiv.2412.14329,
title = {Embedding Cultural Diversity in Prototype-based Recommender Systems},
author = {Armin Moradi and Nicola Neophytou and Florian Carichon and Golnoosh Farnadi},
journal= {arXiv preprint arXiv:2412.14329},
year = {2024}
}