popularity bias 를 해결하는데 사용한다.
- basic idea 는 recommender 와 introduced adversary 의 min-max game 을 수행하는것
popularity bias 를 해결하는데 사용한다.
Adversarial Learning adversarial learning 의 기본 아이디어는 추천 시스템 G 와 adversary D 가 min-max game 을 진행하여 D 가 niche(long-tail) i...
Tags Matthew effect
Blindly fitting the data without considering the inherent biases will result in many serious issues, e.g., the discrepancy between offline evaluation and online metrics,...
Exposure bias 는 사용자가 모든 item 을 본 것이 아니라, 노출된 item 에 대해서만 feedback 을 남긴다는 데서 생기는 bias 다. 특히 implicit feedback 에서는 관측되지 않은 item 을 negative 로 단순 처리하면 실제로 싫어한 것인지, 그냥 노출되지 않은 것인지...
배경 To remedy the selection bias in evaluation, some recent work considers a recommendation as an intervention analogous to treating a patient with a specific drug. In both...
유명한 아이템은 더 많이 노출되어서 학습 데이터의 밸런스가 더욱 무너지는 현상
관측될 확률이 낮았던 샘플에 더 큰 가중치를 주어, 편향된 로그로부터 편향 없는 추정값을 얻는 방법이다. 각 샘플에 그 샘플이 관측될 확률(propensity)의 역수를 곱한다.
추천 시스템에서 학습 또는 평가를 위한 데이터는 대부분 selection bias 에 취약하다.
counterfactual learning technologies for tackling the bias problem in recommendation.
단점 새로운 아이템에 대해서는 추천을 제공할 수 없음 popularity bias 가 존재함 (NLP 문제에서 많이 나오는 단어에 대해 반복적으로 등장함)
추천 시스템에서 발생할 수 있는 문제점들