本地音乐推荐中的流行度退化偏差
信息检索
2023-09-22 v1 机器学习
摘要
本文中，我们研究本地音乐推荐情境下流行度退化偏差的影响。具体而言，我们考察两种性能领先的推荐算法——加权关联矩阵分解（WRMF）与多项变分自编码器（Mult-VAE）——在推荐艺人时，其准确度如何随艺人流行度变化。我们发现两种算法对更流行艺人的推荐性能更优，因此均表现出流行度退化偏差。尽管两种算法对更流行艺人产生相似水平的性能，Mult-VAE 对较不流行艺人的相对性能更优。这表明该算法应优先用于本地（长尾）音乐艺人推荐。
引用
@article{arxiv.2309.11671,
title = {Popularity Degradation Bias in Local Music Recommendation},
author = {April Trainor and Douglas Turnbull},
journal= {arXiv preprint arXiv:2309.11671},
year = {2023}
}
备注
Presented at MuRS Workshop, RecSys '23