随时间推移减少推荐中的流行度偏差
信息检索
2019-06-28 v1
摘要
许多推荐算法都存在流行度偏差：少数流行物品被过于频繁地推荐，而其他物品则得不到足够的曝光。迄今为止，该领域的研究主要集中在对此偏差的一次性表征，以及改进单个推荐列表多样性的算法上。在这项工作中，我们采用一种时间敏感的视角来看待流行度偏差，即算法定期评估其长尾覆盖率，并在当前时刻对过去的遗漏进行补偿。特别地，我们提出了一个适用于长尾推荐的、著名xQuAD多样化算法的时间版本。在两个公开数据集上的实验结果表明，与一些其他现有方法相比，我们的方法在长尾覆盖率和准确性的权衡方面更为有效。
引用
@article{arxiv.1906.11711,
title = {Reducing Popularity Bias in Recommendation Over Time},
author = {Himan Abdollahpouri and Robin Burke},
journal= {arXiv preprint arXiv:1906.11711},
year = {2019}
}
备注
arXiv admin note: substantial text overlap with arXiv:1901.07555