缓解深度推荐系统中的过滤气泡
机器学习
2022-09-20 v1 信息检索
摘要
推荐系统为用户提供个性化建议，支撑着当今许多社交媒体、电子商务和娱乐平台。然而，众所周知这些系统会在智识上将用户与多元观点隔离，或导致过滤气泡。在我们的工作中，我们刻画并缓解这一过滤气泡效应。具体做法是，基于用户-物品交互历史对各种数据点进行分类，并利用知名的TracIn方法计算各类别间的相互影响。最后，我们在不损害准确率的前提下，通过谨慎地重新训练推荐系统来缓解该过滤气泡效应。
引用
@article{arxiv.2209.08180,
title = {Mitigating Filter Bubbles within Deep Recommender Systems},
author = {Vivek Anand and Matthew Yang and Zhanzhan Zhao},
journal= {arXiv preprint arXiv:2209.08180},
year = {2022}
}
备注
6 Pages 4 figures