SIGIRMay, 2023
uCTRL: 无偏差对比表示学习,通过排列和均匀性,用于协同过滤
uCTRL: Unbiased Contrastive Representation Learning via Alignment and Uniformity for Collaborative Filtering
Jae-woong Lee, Seongmin Park, Mincheol Yoon, Jongwuk Lee
TL;DR本文提出了一种基于 InfoNCE loss function 的无偏差对比表示学习方法(uCTRL),以有效消除协作过滤模型中的流行度偏差问题,并通过四种基准数据集的实验验证,证明其在 Recall@20 和 NDCG@20 上的性能优于现有的无偏导向推荐模型,最高可达 12.22%和 16.33%的增益。