Causal Intervention for Leveraging Popularity Bias in Recommendation
1.问题
在数据上,项目在交互频率上呈现不均匀分布
在方法上,协同过滤方法容易通过过度推荐热门项目来放大偏见
2.解决
如何利用流行偏差来提高推荐的准确性
如何去除训练时受欢迎度偏差的不良影响?
如何在生成top-𝐾推荐的推理阶段注入期望的受欢迎度偏差
3.相关知识
通过历史数据捕捉用户偏好,在 D𝑇 +1 上获得高推荐准确度
物品𝑖在𝑡阶段上的当地受欢迎程度
本地受欢迎程度对系统的曝光机制和用户决策有较大的影响,最新的数据影响最大
人气漂移(Drift of Popularity)DP
| 项目受欢迎程度是动态变化的,流行偏见的影响也可能是动态的
詹森香农散度 衡量两个阶段之间的相似性
4.主要工作
用因果图分析了受欢迎度偏差对推荐系统的影响
𝑍→ 𝐶意味着物品受欢迎程度直接影响互动概率(从众心理),𝑍 → 𝐼意味着项目受欢迎程度会影响项目是否被曝光(偏差)
将用户-项目匹配估计为𝑃 (𝐶|𝑑𝑜(𝑈&#