추천 결과 다양성의 종류
- inter diversity: 유저 간 추천 결과가 다른것
- inner diversity: 추천 결과 내 아이템의 성격이 다른 것
- 연관 추천에서 강아지 영상을 한번 봤는데, 추천 결과가 모두 강아지와 관련된 영상이면 inner diversity 가 낮다고 할 수 있다.
...수 있어야 한다. 추천 결과에 distortion 을 주면, 통계적 검증을 통해 추천 결과의 하락 정도를 얼마나 유의미하게 검증할 수 있는지 metric 마다 확인. 대조군 Metrics Diversity and Novelty Metrics S-recall 앞에서 부터 K 개의 document 들이 얼마나 많은 subtopics 을 가지고 있는지 비율을 계산한다.
추천 시스템에서 발생할 수 있는 문제점들
CB(Contents Based) 추천은 콘텐츠 자체의 내용을 분석하여 유사한 콘텐츠를 찾는 방법이다.
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...
Merging user preferences: User preferences from both domains are aggregated in such a way that single-domain recommender systems can be used. Linking domains: Graph-based...
유명한 아이템은 더 많이 노출되어서 학습 데이터의 밸런스가 더욱 무너지는 현상
Unlike interactive recommendation methods that generate recommendations based on the user’s feedback via constant interactions, sequential recommender systems predict the...
Tags Matthew effect
얼마나 비균등하게 각기 다른 아이템들이 사용자들에게 선택받고 있는가를 추정
대화형 추천 시스템: 사용자와 실제 대화를 통해 사용자의 성향을 파악하여 추천을 진행함