拓扑偏置如何扭曲消息传递？——基于Dirichlet能的视角
信息检索
2025-05-21 v2
摘要
图基推荐系统通过建模用户与物品之间的高阶互动，取得了显著的效果，但此类方法因受到流行度偏置的显著削弱，该偏置扭曲了交互图的结构，称为拓扑偏置。这导致热门物品被过度代表，从而通过用户-系统反馈环路强化偏见和公平性问题。尽管已有尝试研究此效应，但大多数 prior work 关注于嵌入或梯度层面的偏置，忽略了拓扑偏置如何根本扭曲消息传递过程。我们通过从Dirichlet能的角度提供实证和理论分析，揭示图消息传递本质上放大了拓扑偏置，并持续受益于高度连通节点。为解决这些限制，我们提出Test-time Simplicial Propagation (TSP)，将消息传递扩展到更高阶单纯形复合体。通过纳入单纯形复合体中的更丰富结构（超越二元连接），TSP缓解了有害的拓扑偏置，显著提升了长尾物品在推断阶段的表示和推荐效果。跨越五个真实数据集的广泛实验表明，我们的方法在缓解拓扑偏置和提升推荐质量方面具有优势。
关键词
引用
@article{arxiv.2411.13892,
title = {How Does Topology Bias Distort Message Passing? A Dirichlet Energy Perspective},
author = {Yanbiao Ji and Yue Ding and Dan Luo and Chang Liu and Yuxiang Lu and Xin Xin and Hongtao Lu},
journal= {arXiv preprint arXiv:2411.13892},
year = {2025}
}