识别并提升权威-偏好用户以缓解推荐中的流行偏差
信息检索
2026-01-27 v2
摘要
推荐系统被证明会表现出流行偏差，即过度推荐热门物品且不足以推荐相关的小众物品。我们寻求理解基准推荐数据集中的小众用户，以缓解流行偏差为一步。我们发现，与主流用户相比，偏好小众物品的用户显示更长尾的活动水平分布，这表明存在既偏好小众物品又表现出高活动水平的用户。我们在两个维度上对用户进行分组：（1）活动水平（“权威” vs. “轻度”）和（2）物品流行度偏好（“主流” vs. “小众”），并在三个基准数据集中表明，权威-偏好用户（高活动水平和小众偏好）的数量显著高于预期。我们还发现，权威-偏好用户的交互数据对于提高不仅针对小众用户，还针对主流用户的推荐效果尤其有价值。相比之下，许多现有的流行偏差缓解方法仅针对不论活动水平的小众用户进行加权。以权威-偏好用户数据的价值为动机，我们提出了PAIR（Popularity-and-Activity-Informed Reweighting），即一种同时基于用户活动水平和物品流行度进行重新加权的BPR（Bayesian Personalized Ranking）损失框架，最多地提升权威-偏好用户。我们在深度和浅层协同过滤模型上实现了该框架，实验在基准数据集上表明，PAIR可减少流行偏差并提升总体性能。尽管现有的流行偏差缓解方法在性能和偏差之间存在权衡，但我们的研究结果表明，考虑用户活动水平和流行度偏好可实现Pareto优越的性能。
引用
@article{arxiv.2509.17265,
title = {Identifying and Upweighting Power-Niche Users to Mitigate Popularity Bias in Recommendations},
author = {David Liu and Erik Weis and Moritz Laber and Tina Eliassi-Rad and Brennan Klein},
journal= {arXiv preprint arXiv:2509.17265},
year = {2026}
}
备注
Accepted for publication at WWW 2026