动态推荐中的曝光公平性

曝光偏差是推荐系统中一个众所周知的问题，即推荐结果中物品之间的曝光未公平分配。当少数物品（如热门物品）在推荐列表中反复过度呈现，且用户与这些物品的交互会随时间放大针对这些物品的偏差，从而形成反馈循环时，这一问题尤为严重。该问题在静态推荐环境的文献中已被广泛研究，其中通过处理单轮推荐结果来改善曝光公平性。然而，在动态推荐设置中解决曝光偏差的工作较少，在动态设置下系统随时间运行，推荐模型和输入数据在每轮根据对推荐物品的持续用户反馈动态更新。本文研究动态推荐设置中的曝光偏差。我们的目标是表明，为静态推荐设置设计的现有偏差缓解方法无法在长期内满足物品的曝光公平性。具体而言，我们对其中一种方法进行实证研究发现，反复应用该方法无法在长期内公平分配物品曝光。为应对此局限，我们展示了如何调整该方法以在动态推荐设置中有效运行，并实现物品的长期曝光公平。在真实世界数据集上的实验证实，我们的解决方案在实现对物品的长期曝光公平的同时保持了推荐准确性，表现更优。