推荐系统中的“低”维度诅咒
摘要：用户嵌入和物品嵌入的低维度导致推荐系统中的一系列问题，在准确度之外，还涉及多样性、公平性和鲁棒性等方面的品质。我们认为，推荐系统中的许多问题部分原因是用户和物品嵌入的低维度，尤其是在使用矩阵分解等点积模型时。 在这项研究中，我们展示了实证证据，表明为了实现多样、公平和鲁棒的推荐，用户/物品嵌入需要具备足够的维度。然后，我们对点积模型的表达能力进行了理论分析。我们的理论结果表明，在点积模型中可能的排序数量是通过物品因子的维度指数级别地有界的。我们的实证发现低维度导致了流行物品和长尾物品的排名位置之间的差距扩大，我们还为这一现象提供了理论上的解释。
作者：Naoto Ohsaka, Riku Togashi
论文ID：2305.13597
分类：Information Retrieval
分类简称：cs.IR
提交时间：2023-05-24