[发明专利]一种纠正推荐系统流行度偏差的因果推理方法

权利要求书

1.一种纠正推荐系统流行度偏差的因果推理方法，其特征在于，包括：

获取当前推荐系统中用户与物品的匹配得分；

根据物品的受欢迎程度预测物品得分、以及根据用户的偏好预测用户得分；

聚合用户与物品的匹配得分、物品得分以及用户得分，预测出用户与物品匹配分数，再去除流行度偏差造成的影响，得到用户与物品的最终匹配分数；

其中，所述聚合用户与物品的匹配得分、物品得分以及用户得分，预测出用户与物品匹配分数表示为：

其中，表示预测出的用户u与物品i的匹配分数；表示当前推荐系统中用户u与物品i的匹配得分，各自表示预测出的用户得分、物品得分；σ(.)表示sigmoid函数；

用户与物品的最终匹配分数的计算公式为：

其中，c是超参数，表示的反事实状态。

2.根据权利要求1所述的一种纠正推荐系统流行度偏差的因果推理方法，其特征在于，根据物品的受欢迎程度预测物品得分、根据用户的偏好预测用户得分各自通过物品建模模块、用户建模模块实现；

将物品建模模块、用户建模模块、以及当前推荐系统作为一个模型进行训练，损失函数为：

L＝L_O+α*L_I+β*L_U

其中，α和β为超参数；L_O表示当前推荐系统的损失函数，L_I表示物品建模模块的损失函数，L_U表示用户建模模块的损失函数。

3.根据权利要求2所述的一种纠正推荐系统流行度偏差的因果推理方法，其特征在于，所述当前推荐系统的损失函数表示为：

其中，(u,i)表示用户u与物品i构成的用户-物品对，D表示包含若干用户-物品对的训练数据；表示当前推荐系统中用户u与物品i的匹配得分，σ(.)表示sigmoid函数；y_ui是训练数据中真实的交互数据，数值为1代表用户u与物品i之间存在交互，否则为0。

4.根据权利要求2所述的一种纠正推荐系统流行度偏差的因果推理方法，其特征在于，所述用户建模模块的损失函数表示为：

其中，(u,i)表示用户u与物品i构成的用户-物品对，D表示包含若干用户-物品对的训练数据；表示预测出的用户得分，σ(.)表示sigmoid函数；y_ui是训练数据中真实的交互数据，数值为1代表用户u与物品i之间存在交互，否则为0。

5.根据权利要求2所述的一种纠正推荐系统流行度偏差的因果推理方法，其特征在于，所述物品建模模块的损失函数表示为：

其中，(u,i)表示用户u与物品i构成的用户-物品对，D表示包含若干用户-物品对的训练数据；表示预测出的物品得分，σ(.)表示sigmoid函数；y_ui是训练数据中真实的交互数据，数值为1代表用户u与物品i之间存在交互，否则为0。

6.根据权利要求1所述的一种纠正推荐系统流行度偏差的因果推理方法，其特征在于，基于用户与不同物品的最终匹配分数的大小生成推荐列表，并推荐给用户。