推荐系统中的反馈循环与偏差放大
信息检索
2020-07-28 v1
摘要
推荐算法已知存在流行度偏差；少数流行物品被频繁推荐，而大多数其他物品被忽略。这些推荐随后被用户消费，其反馈将被记录并加入系统：即通常所称的反馈循环。在本文中，我们提出了一种在离线环境下模拟用户与推荐系统交互的方法，并研究反馈循环对若干推荐算法流行度偏差放大的影响。我们随后展示了这种偏差放大如何导致若干其他问题，例如降低聚合多样性、随时间推移改变用户品味表征以及用户体验的同质化。我们特别表明，反馈循环的影响对于属于少数群体的用户通常更强。
引用
@article{arxiv.2007.13019,
title = {Feedback Loop and Bias Amplification in Recommender Systems},
author = {Masoud Mansoury and Himan Abdollahpouri and Mykola Pechenizkiy and Bamshad Mobasher and Robin Burke},
journal= {arXiv preprint arXiv:2007.13019},
year = {2020}
}