引入用于校准推荐系统的框架与决策协议

推荐系统利用用户画像为目标用户生成包含未知物品的推荐列表。尽管传统推荐系统的主要目标是提供最相关的物品，但这种努力可能会无意中导致附带影响，包括低多样性以及类型或类别的不平衡，从而使特定类别的群体受益。本文提出了一种方法，用于创建具有类别校准平衡的推荐列表，避免用户画像兴趣与推荐列表之间的不成比例。校准推荐同时考虑了从用户偏好和推荐列表中提取的类别分布之间的相关性和分歧。主要主张是校准能够对生成更公平的推荐产生积极贡献。特别地，我们提出了一个新的权衡方程，该方程考虑了用户的偏差，以提供寻求用户倾向的推荐列表。此外，我们提出了一个概念框架和决策协议，以生成超过一千种校准系统的组合，从而找到最佳组合。我们使用多个领域数据集将我们的方法与 state-of-the-art 方法进行比较，并通过排名和校准指标进行分析。结果表明，考虑用户偏差的权衡对准确性和公平性产生了积极影响，从而生成了尊重类别分布的推荐列表，并且通过决策协议，我们还为每个数据集找到了最佳系统。