文章全文首发:码农的科研笔记(公众号)
原文:https://arxiv.org/abs/2010.15363
源码:https://github.com/weitianxin/MACR
1 动机
聚焦推荐系统中的流行度偏差Popularity Bias问题,并且从因果关系的角度来探讨推荐系统中的流行度偏差问题
2 方法
作者提出了一个多任务框架,主要分为三个模块:
-
用户-物品匹配模块:用物品和用户表示作为输入,并反映了项目在多大程度上匹配用户的偏好,这和传统推荐系统类似,即是输入 u u u 和 i i i 得到二者的匹配度 y k ^ \hat{y_k} yk^;
L O = ∑ ( u , i ) ∈ D − y u i log ( σ ( y ^ u i ) ) − ( 1 − y u i ) log ( 1 − σ ( y ^ u i ) ) ; L_O = \sum_{(u, i) \in D} -y_{ui} \log (\sigma(\hat{y}_{ui})) - (1 - y_{ui}) \log (1 - \sigma(\hat{y}_{ui})); LO=(u,i)∈D∑−yuilog(σ(y^ui))−(1−yui)log(1−σ(y^ui)); -
物品模块:建模物品的受欢迎程度,当一个物品受欢迎程度越大则被推荐可能性越大,即是输入 u u u 得到 y u ^ \hat{y_u} y