【2021/反事实/流行度偏差】Model-Agnostic Counterfactual Reasoning for Eliminating Popularity Bias in Recommend

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 $u$ 和 $i$ 得到二者的匹配度 $\widehat{y_k}$；
  $$L_O=\sum _{(u,i)\in D}-y_{ui}\log (\sigma ({\hat{y}}_{ui}))-(1-y_{ui})\log (1-\sigma ({\hat{y}}_{ui}));$$

• 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 $u$ 得到 y u ^ \hat{y_u} y