当物品变旧时情况不同：在选择偏差和用户偏好均为动态时进行去偏推荐
信息检索
2021-11-25 v1
摘要
用户与推荐系统的交互受到用户选择偏差的影响，例如，用户更有可能对热门物品（流行度偏差）或他们事先预期会喜欢的物品（积极性偏差）进行评分。已有方法可以减轻用户评分中的选择偏差对推荐系统评估和优化的影响。然而，这些方法将选择偏差视为静态的，尽管物品的流行度可能随时间发生剧烈变化，并且用户偏好也可能随时间改变。我们关注物品的年龄及其对选择偏差和用户偏好的影响。我们的实验分析表明，在 MovieLens 数据集上，考虑物品年龄对偏差和偏好影响的方法能更好地捕捉用户的评分行为。我们从理论上证明，在选择偏差和用户偏好均为动态的场景下，现有的去偏方法不再是无偏的。为了解决这一局限性，我们引入了动态场景去偏方法 DANCER，这是一种新颖的去偏方法，它扩展了逆倾向评分去偏方法，以考虑动态的选择偏差和用户偏好。我们的实验结果表明，与在动态场景下错误地假设选择偏差是静态的去偏方法相比，DANCER 提高了评分预测性能。据我们所知，DANCER 是首个在推荐系统中考虑动态选择偏差和用户偏好的去偏方法。
引用
@article{arxiv.2111.12481,
title = {It Is Different When Items Are Older: Debiasing Recommendations When Selection Bias and User Preferences Are Dynamic},
author = {Jin Huang and Harrie Oosterhuis and Maarten de Rijke},
journal= {arXiv preprint arXiv:2111.12481},
year = {2021}
}
备注
WSDM 2022