面向推荐公平性的用户-物品匹配
信息检索
2021-10-22 v2 社会与信息网络
摘要
众所周知，用户与物品提供方是推荐系统中两类主要参与方。然而，现有多数推荐研究致力于更好地服务用户，却忽视了物品提供方的诉求。本文旨在提升面向物品提供方目标的物品曝光公平性，同时保持面向用户目标的推荐精度不降甚至提高。我们提出对物品设置库存量约束，具体而言，将物品的最大允许推荐次数限制为与其过往被交互频率成正比，经验证该做法相较常见推荐器实现了更优的物品曝光公平性，从而缓解了物品热度上的马太效应。在用户既有推荐长度与我们的物品库存量这两项约束下，提出一种基于归一化分数的启发式策略与一种基于最小费用最大流（MCMF）的模型来求解最优用户-物品匹配问题，其精度表现甚至优于常规推荐情境下的基线算法，并与该基线的最优增强方法持平。此外，我们的 MCMF 策略无需调参，而那些对照算法须借助参数遍历过程方能达到最佳性能。
引用
@article{arxiv.2009.14474,
title = {User-item matching for recommendation fairness},
author = {Qiang Dong and Shuang-Shuang Xie and Wen-Jun Li},
journal= {arXiv preprint arXiv:2009.14474},
year = {2021}
}