公平推荐中的商品全局剩余价值测量
摘要：信息爆炸时代，每天都有大量的物品涌现出来，尤其是在反馈场景中。由于系统显示插槽和用户浏览关注度有限，各种推荐系统的设计不仅旨在满足用户个性化的信息需求，还要分配物品的曝光。然而，最近的推荐研究主要集中在建模用户偏好以呈现满意的结果和最大化用户互动，并很少关注为合理的信息传递开发物品方面的公平曝光机制。这可能会导致物品方面的资源配置问题，如“雪球效应”问题。此外，不公平的曝光机制可能会影响推荐性能。本文呼吁将注意力从建模用户偏好转向为物品开发公平曝光机制。我们首先对反馈场景进行实证分析，以探索具有不同上传时间的物品之间的曝光问题。这指出由于时间因素引起的不公平曝光可能是“雪球效应”的主要原因。然后，我们提出明确建模物品级定制实时性分布的全局残差值（GRV），以实现公平资源分配。该GRV模块被引入到设计的实时性感知的公平推荐框架（TaFR）中。在两个数据集上的大量实验证明，TaFR在各种推荐模型中取得了一致的改进。通过建模物品方面的定制全局残差值，我们实现了资源的更公平分配，并同时提高了推荐性能。
作者：Jiayin Wang, Weizhi Ma, Chumeng Jiang, Min Zhang, Yuan Zhang, Biao Li, Peng Jiang
论文ID：2307.08259
分类：Information Retrieval
分类简称：cs.IR
提交时间：2023-07-18