物品共同曝光对于曝光偏差缓解的相关性
信息检索
2024-09-23 v2
摘要
通过向用户曝光物品，隐式反馈推荐系统会影响记录的交互，并最终影响其自身的推荐。这种效应被称为曝光偏差，它可能导致过滤气泡和回音室等问题。先前的研究使用带有曝光信息的多项 logit 模型 (MNL) 来减轻合成数据上的曝光偏差。本扩展摘要总结了我们的先前研究，在该研究中我们调查了 (i) 这些发现是否适用于人类生成的选择，(ii) 其他离散选择模型是否能更好地减轻偏差，以及 (iii) 一个物品的估计相关性是否可能取决于与其一起曝光的其他物品的相关性。我们收集了一个在受控在线用户研究中包含有偏和无偏选择的数据集，并测量了过度曝光和竞争的影响。我们发现 (i) 离散选择模型能有效减轻人类生成的选择数据上的曝光偏差，(ii) 离散选择模型能有效减轻曝光偏差，因为它们考虑了物品的共同曝光，(iii) 将物品与更受欢迎或更不受欢迎的物品一起曝光会影响未来的推荐，并且必须跟踪物品曝光以减轻曝光偏差。我们认为我们的工作对于理解曝光偏差是什么、它如何形成以及如何减轻它至关重要。
引用
@article{arxiv.2409.12912,
title = {The Relevance of Item-Co-Exposure For Exposure Bias Mitigation},
author = {Thorsten Krause and Alina Deriyeva and Jan Heinrich Beinke and Gerrit York Bartels and Oliver Thomas},
journal= {arXiv preprint arXiv:2409.12912},
year = {2024}
}
备注
Accepted at the CONSEQUENCES '24 workshop, co-located with ACM RecSys '24