探索音乐推荐模型与商业流媒体服务中的流行度偏差
信息检索
2022-08-23 v1 机器学习
多媒体
摘要
流行度偏差是指推荐系统在向用户推荐艺术家时会不当地偏爱流行艺术家的现象。因此，它们可能促成赢者通吃的市场，其中少数艺术家获得几乎全部关注，而同样优秀的艺术家则难以被发现。本文中，我们尝试在三种最先进推荐系统模型（如 SLIM、Multi-VAE、WRMF）与三种商业音乐流媒体服务（Spotify、Amazon Music、YouTube）中度量流行度偏差。我们发现最准确的模型（SLIM）也具有最大的流行度偏差，而较不准确的模型具有较小的流行度偏差。基于模拟用户实验，我们也未发现商业推荐中存在流行度偏差的证据。
引用
@article{arxiv.2208.09517,
title = {Exploring Popularity Bias in Music Recommendation Models and Commercial Steaming Services},
author = {Douglas R. Turnbull and Sean McQuillan and Vera Crabtree and John Hunter and Sunny Zhang},
journal= {arXiv preprint arXiv:2208.09517},
year = {2022}
}
备注
Music Recommendation, Popularity bias, Recommender Systems, 6 pages