popularity bias 를 해결하는데 사용한다.
구조가 단순하며 해석이 명확해 구현과 활용이 쉽습니다. 추천 알고리즘의 인기 편향(popularity bias) 정도를 효과적으로 모니터링할 수 있습니다.
Popularity Bias, Unfairness
Example: Popularity Adjustments Removal of Popularity-Bias 학습 데이터에서 popularity bias 를 지우는 목적은 모델이 아이템의 similarities 에 집중했으면 하는 바람에 있다. Scaling Method popularity bias 를 완화하기 위해 후처리 방법으로 ...
inverse propensity score popularity bias position bias
...있어보인다. Debiasing Experiments Impacts of Four Bias Factors Impact of Model Bias 학습 데이터의 density 가 높을수록 popularity bias 가 높아졌다가 낮아지는 모습을 보임 그러나 대부분의 학습 데이터는 dense 하지 않으므로, bias 가 낮아지는 것은 기대하기 힘듦
높은 값일수록 사용자가 좋아하는 아이템을 낮은 ranking 에 놓는다는 의미가 된다 (높은 popularity bias). iPO Bias 측정 iPO bias 는 matched user 에 대해서 낮은 인기를 가진 아이템의 기대 랭킹이 높은 인기를 가진 아이템의 기대 랭킹보다 낮은지의 여부를 확인하...
Experiment biased feedback 으로 실험하고 unbiased evaluator 를 사용함 Investigating Popularity Bias 실제 추천시스템에서 popularity bias 가 어느정도 확인되는지 조사하는 실험으로, 두 가지 종류의 bias 를 조사함
유명한 아이템은 더 많이 노출되어서 학습 데이터의 밸런스가 더욱 무너지는 현상
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...
popularity bias 를 해결하는데 사용한다.
기존의 모든 popularity bias 연구들은 static 추천 task 를 기반으로 진행했지만, 실제 real-world 에서는 dynamic recommendation 형태를 띈다.
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,...
SLIM 이 높은 ranking 정확도를 여러 논문 실험에서 보여줬지만, 데이터를 통한 파라매터 학습 비용이 너무 높았다. 그래서 이 논문에서는 이를 고차원 회귀 문제의 variants 로 생각하고 closed-form solution 을 제안한다.
- L_u: 사용자 u에게 추천된 아이템 목록, |L_u|는 해당 목록의 길이 - |U|: 전체 사용자 수 - \phi(i): 아이템 i의 인기도(popularity)를 나타내는 값 - 예시: 해당 아이템의 평가(평점) 수, 클릭 수, 조회 수 등
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...
popularity-opportunity bias(POB) 를 조사하기 위해 세 파트로 나눠서 연구를 진행함
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.