不留任何人 behind：面向非重叠用户的公平性跨域推荐系统
信息检索
2025-07-24 v1
摘要
跨域推荐（CDR）方法主要依赖重叠用户将知识从源域传递到目标域。然而，通过实证研究，我们发现这些方法固有的偏见：虽然重叠用户在推荐质量上获得显著提升，非重叠用户的受益甚少且可能面临性能下降。这种不公平可能削弱用户信任，进而严重影响商业参与度和收入。为解决此问题，我们提出一种新方法，为非重叠目标域用户生成虚拟源域用户。我们的方法利用双注意力机制来辨识重叠用户与非重叠用户之间的相似性，从而合成真实逼真的虚拟用户嵌入。我们进一步引入一个限制器组件，确保生成的虚拟用户符合真实数据分布，同时保留每个用户的独特性。值得注意的是，我们的方法与模型无关，可无缝集成到任何CDR模型中。对三个公开数据集上的五个CDR基线进行的全面实验表明，我们的方法有效缓解了CDR非重叠用户偏见，且不损失整体准确性。我们的代码已公开发布于https://github.com/WeixinChen98/VUG。
引用
@article{arxiv.2507.17749,
title = {Leave No One Behind: Fairness-Aware Cross-Domain Recommender Systems for Non-Overlapping Users},
author = {Weixin Chen and Yuhan Zhao and Li Chen and Weike Pan},
journal= {arXiv preprint arXiv:2507.17749},
year = {2025}
}
备注
Accepted by RecSys 2025