SUPER: Adil ve Çeşitli Öneriler için Akıllı, Kullanıcı Odaklı Popülerlik Maruziyetini Azaltma
Ismail Burak Yavru, Emre Yalcin, Alper Bilge, Sevcan Yilmaz Gunduz
IEEE Access
Özet
SUPER, öneri sistemlerinde popülerlik yanlılığını azaltmak için, kullanıcıya özgü öğe popülerliği tercihlerini açıkça modelleyen yeni bir yaklaşımdır. Popüler öğelerin baskınlığını azaltmak için tek tip ayarlamalar uygulayan mevcut yöntemlerin aksine, SUPER her bireyin ana akım ve niş içeriklere olan eğiliminden yararlanır. Pareto tabanlı öğe bölümlendirmesini kişiselleştirilmiş tercih kalibrasyonuyla birleştirerek, hem popüler hem de kuyruk alt kümelerini eğitim ve öneri iyileştirme süreçlerine dahil ediyoruz. Çoklu kıyaslama veri kümeleri üzerinde yapılan deneysel değerlendirmeler, SUPER'in sağlam bir doğruluk seviyesini korurken çeşitliliği ve adaleti önemli ölçüde iyileştirdiğini göstermektedir. Dahası, bulgularımız, önerileri her kullanıcının etkileşimden türetilen popülerlik eğilimiyle hizalamanın, az temsil edilen öğelere daha geniş bir maruz kalmayı teşvik ettiğini ve daha tatmin edici öneri deneyimleri ürettiğini göstermektedir. Bu bilgiler, modern öneri sistemlerinde eşitlikçi ve bağlama duyarlı içerik kürasyonunu teşvik etmek için kişiselleştirilmiş yanlılık giderme stratejilerinin potansiyelini vurgulamaktadır.