推荐系统中流行度偏差的用户中心化评估
信息检索
2021-03-12 v1 人工智能
摘要
推荐与排序系统已知存在流行度偏差，即算法倾向于偏爱少数流行物品，而低估大多数其他物品的代表性。已有研究考察了多种缓解流行度偏差并增强长尾、较不流行物品推荐的方法。这些方法的有效性常通过使用不同指标来评估其对流行物品过度集中的缓解程度。然而，从用户中心视角对该偏差的评估——即具有不同流行物品兴趣程度的不同用户如何受此类算法影响——未得到充分关注。本文中，我们展示了现有指标在从用户视角评估这些算法时评估流行度偏差缓解的局限性，并提出了一种可解决这些局限性的新指标。此外，我们提出了一种从用户中心视角缓解流行度偏差的有效方法。最后，我们考察了近年来提出的几种缓解流行度偏差的 SOTA 方法，并使用现有指标及从用户视角评估其性能。基于两个公开数据集的实验结果表明，现有的流行度偏差缓解技术忽视了用户对流行物品的容忍度。我们提出的用户中心化方法能有效针对不同用户应对流行度偏差，同时改善现有指标。
引用
@article{arxiv.2103.06364,
title = {User-centered Evaluation of Popularity Bias in Recommender Systems},
author = {Himan Abdollahpouri and Masoud Mansoury and Robin Burke and Bamshad Mobasher and Edward Malthouse},
journal= {arXiv preprint arXiv:2103.06364},
year = {2021}
}
备注
Proceedings of the 29th ACM Conference on User Modeling, Adaptation and Personalization (UMAP '21), June 21--25, 2021, Utrecht, Netherlands. arXiv admin note: text overlap with arXiv:2007.12230