推荐模型如何加剧流行偏见：光谱视角的分析

Apr, 2024

推荐模型如何加剧流行偏见：光谱视角的分析

How Do Recommendation Models Amplify Popularity Bias? An Analysis from the Spectral Perspective

Siyi Lin, Chongming Gao, Jiawei Chen, Sheng Zhou, Binbin Hu...

TL;DR推荐系统存在流行度偏差问题，本研究深入研究了流行度偏差放大的原因，并提出一种使用主奇异向量的导数来缓解这种偏差的新方法，通过对主奇异值的大小施加惩罚，验证了该方法在七个真实数据集和三个测试场景下的卓越性能。

Abstract

recommendation systems (RS) are often plagued by popularity bias. Specifically,when recommendation models are trained on long-tailed datasets, they not only inherit this bias but often exacerbate it. This effect

recommendation systems popularity bias matthew effect item popularity principal singular vector

发现论文，激发创造

推荐系统中的流行度偏差调查

推荐系统中普遍存在的流行度偏差问题，导致推荐结果集中在热门物品，本文回顾了流行度偏差的潜在原因和现有方法，并批判性地讨论了当前文献的局限性。

Aug, 2023

图神经网络在推荐系统中的偏见放大比较分析

本研究通过文献综述和行为分析，对比了基于 GNN 的不同算法和现有方法的偏见影响，并旨在探索最小化模型性能影响的适当解决方案。

Jan, 2023

利用流行偏见进行因果干预的推荐

研究推荐系统中的流行度偏差问题，提出了一种新的训练和推断范式，名为流行度偏差去混淆与调节，通过因果干预去除模型训练中的混淆流行度偏差并在推荐时调整推荐得分以提高推荐准确性。

May, 2021

带有流行度偏差的排名：自我放大动态下的用户福利

本研究提出了一个推荐机制，研究了不同算法对用户福利的影响，发现流行度偏见、项目质量和位置偏见可以影响用户选择，通过模拟研究，证明了该算法在可变环境下的有效性及其能够保证高效的后悔性保证。

May, 2023

协同推荐中的流行度去偏差：连接用户和物品视角

研究了推荐系统中流行项和小众项之间存在的偏见问题，并提出了两种度量这种偏见的新方法，同时也提出了一种内部处理方法来减少这种偏见。实验证明，该方法可显著提高推荐质量。

Jun, 2020

探究音乐推荐模型和商业流媒体服务中的受欢迎度偏差

本文通过对三种最先进的推荐系统模型以及三种商用音乐流媒体服务的研究，尝试测量流行度偏见，发现准确度最高的模型（SLIM）也有最大的流行度偏见，而准确度较低的模型则有较少的流行度偏见。通过模拟用户实验，我们没有发现商业推荐存在流行度偏见的证据。

Aug, 2022

推荐系统中流行度偏差的不公平性

研究推荐系统的流行度偏见问题，从用户的角度出发，通过对用户兴趣的分类（利基、多样性和网红聚焦）和对电影数据集的实验结果显示，即使用户对长尾和不受欢迎的项目感兴趣，许多推荐算法在推荐中仍然极度集中于流行项目，出现极端的偏见差异。

Jul, 2019

通过个性化重新排序管理推荐系统中的流行度偏差

本文介绍了一种基于个性化多样化重新排序的方法，以增加不受欢迎的项目在推荐中的表现，同时保持良好的推荐准确性，并展示了其对比现有基于规范化的方法对处理受欢迎程度偏差更有效，同时检验了各种新的和现有的指标来衡量推荐中长尾商品的覆盖率。

Jan, 2019

图书推荐中的流行偏见不公平现象

本文研究了阅读领域中流行度偏见的问题，并发现大多数现有最先进的推荐算法都存在流行度偏见，不能满足用户的不同口味需求，而侧重畅销图书的用户则更容易获得高质量的推荐建议。同时，本研究表明，在涉及到偏好多样性的用户群体中，个性化能力强的算法会受到偏见的不公平对待。

Feb, 2022

消除推荐系统中流行度偏见的模型无关反事实推理

通过因果推断的方法，该研究提出了一种解决推荐系统中流行物品偏差问题的可行的新思路，并采用多任务学习和反事实推断来实现此方案，有效地改善了 Matrix Factorization 和 LightGCN 等现有推荐算法。

Oct, 2020