调查娱乐领域推荐系统中流行度偏置的放大效应
信息检索
2025-05-14 v3
摘要
推荐系统已成为我们日常在线体验中不可或缺的组成部分，通过分析用户过去的行为来推荐娱乐领域（如音乐、电影和书籍）中相关内容。它们是最广泛应用 AI 和机器学习的应用程序之一。因此，针对可信赖 AI 的监管和指南（如欧洲 AI 法案），该法案涉及偏差和公平性等问题，对于推荐系统的设计、开发和评估高度相关。其中一种在此背景下尤为重要的偏差是流行度偏置，导致较不受欢迎的内容在推荐列表中被不公平地低估。本 work 对我们在娱乐领域调查流行度偏置放大效应的研究进行了总结。分析来自三个娱乐领域（音乐、电影和动漫）的数据集，我们证明了物品的推荐频率与其流行度呈正相关。结果表明，对较少关注流行内容的用户群体提供的推荐准确性较低，而偏好广泛流行物品的用户则表现更佳。此外，本 work 有助于更好地理解推荐准确性、算法校准质量与流行度偏置放大效应之间的关系。
引用
@article{arxiv.2504.04752,
title = {Investigating Popularity Bias Amplification in Recommender Systems Employed in the Entertainment Domain},
author = {Dominik Kowald},
journal= {arXiv preprint arXiv:2504.04752},
year = {2025}
}
备注
Accepted at EWAF'25, summarizes fairness and popularity bias research presented in Dr. Kowald's habilitation: https://domkowald.github.io/documents/others/2024habilitation_recsys.pdf