推荐系统(RS)在信息搜索方面已经取得了巨大的成功。近年来，为了更好地拟合用户行为数据，人们进行了大量的推荐模型研究。然而，用户行为数据是观察性的，而不是实验性的。这使得各种偏差广泛存在于数据中，包括但不限于选择偏差、位置偏差、暴露偏差。盲目拟合数据而不考虑固有偏差会导致许多严重的问题，例如，离线评估和在线指标之间的差异，损害用户对推荐服务的满意度和信任等。为了将大量的研究模型转化为实际的改进，迫切需要探索偏差的影响，并在必要时制定去偏策略。因此，推荐系统中的偏倚问题及其解决方法引起了学术界和业界的高度关注。
在本教程中，我们旨在系统地回顾关于这个主题的现有工作。我们将介绍推荐系统中的七种偏见，以及它们的定义和特点;调研现有的去偏解决方案及其优缺点;并确定一些开放的挑战和未来的方向。我们希望本教程能激发更多关于这个主题的想法，并促进去偏推荐系统的开发。
https://recsys.acm.org/recsys21/tutorials/#content-tab-1-5-tab
成为VIP会员查看完整内容
Bias Issues and Solutions in Recommender System
相关内容
推荐系统，是指根据用户的习惯、偏好或兴趣，从不断到来的大规模信息中识别满足用户兴趣的信息的过程。推荐推荐任务中的信息往往称为物品(Item)。根据具体应用背景的不同，这些物品可以是新闻、电影、音乐、广告、商品等各种对象。推荐系统利用电子商务网站向客户提供商品信息和建议，帮助用户决定应该购买什么产品，模拟销售人员帮助客户完成购买过程。个性化推荐是根据用户的兴趣特点和购买行为，向用户推荐用户感兴趣的信息和商品。随着电子商务规模的不断扩大，商品个数和种类快速增长，顾客需要花费大量的时间才能找到自己想买的商品。这种浏览大量无关的信息和产品过程无疑会使淹没在信息过载问题中的消费者不断流失。为了解决这些问题，个性化推荐系统应运而生。个性化推荐系统是建立在海量数据挖掘基础上的一种高级商务智能平台，以帮助电子商务网站为其顾客购物提供完全个性化的决策支持和信息服务。
Arxiv
0+阅读 · 2021年11月24日
Arxiv
31+阅读 · 2021年9月27日
Arxiv
6+阅读 · 2020年2月25日
Arxiv
4+阅读 · 2020年2月13日
Arxiv
11+阅读 · 2018年5月9日
相关VIP内容
相关资讯
相关论文
Arxiv
0+阅读 · 2021年11月24日
Arxiv
31+阅读 · 2021年9月27日
Arxiv
6+阅读 · 2020年2月25日
Arxiv
4+阅读 · 2020年2月13日
Arxiv
11+阅读 · 2018年5月9日
微信扫码咨询专知VIP会员