Oh, Behave! Music Recommender Systems 中反馈环路对国家表示动态的影响

最近的研究表明，音乐推荐系统容易过度推荐训练数据中更突出代表的国家音乐，尤其是美国。然而，音乐推荐中的反馈环路对这种不平衡动态影响程度尚不明确。本文我们研究了当地（即国家特定）音乐与美国生产音乐在用户档案和推荐中的表示动态。为此，我们使用标准化的LFM-2b数据集进行反馈环路模拟研究。结果表明，大多数所 investigated 的推荐模型都会减少对当地艺术家音乐的推荐比例。此外，我们发现保持美国音乐与当地音乐平均比例的模型不一定能提供国家校准的推荐。我们还研究了流行度校准，令人惊讶地发现，我们研究中最流行度校准的模型（ItemKNN）提供的国家校准推荐最少。此外，对代表性较小的国家（如芬兰）的用户而言，在长期内，因其当地音乐在推荐中被低估而受到最严重影响。