[发明专利]一种纠正推荐系统流行度偏差的因果推理方法

说明书

本发明公开了一种纠正推荐系统流行度偏差的因果推理方法，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。本发明提供的方法是一种模型无关的反事实推理框架，可以适用于各类推荐系统，通过消除流行度偏差，提升推荐系统的推荐性能，可以为用户提供更加优质，准确的个性化推荐内容。

技术领域

本发明涉及个性化推荐技术领域，尤其涉及一种纠正推荐系统流行度偏差的因果推理方法。

背景技术

个性化推荐给许多在线应用带来了革命性的变化，比如电子商务，搜索引擎，以及会话系统。人们已经开发了大量的推荐模型，其中默认的优化选择是重构用户-物品的历史交互。但是，交互数据中的物品的频率分布从来都不是均衡的，它受到曝光机制、口碑效应、销售活动、产品质量等诸多因素的影响。在大多数情况下，物品的频率分布是长尾的，即少数的流行物品有着数据集中绝大部分的交互。这使得经典的训练范式偏向于推荐流行的物品，而不能揭示用户真正的偏好。

推荐系统的总体目标是向用户提供个性化的建议，而不是简单地推荐流行的物品。而常规的训练范式，即通过训练推荐模型来拟合用户行为数据，会使得模型偏向于流行的项目。这便导致了糟糕的马太效应，使得流行的物品被更频繁地推荐，从而变得更受欢迎。现有的研究利用逆向倾向加权(IPW)尝试解决这一问题，即通过降低流行物品对训练的影响，同时增加长尾物品权重。虽然该方法理论上合理，但其加权策略高度敏感，会导致难以调优。

发明内容

本发明的目的是提供一种纠正推荐系统流行度偏差的因果推理方法，它是一种模型无关的反事实推理框架，可以适用于各类推荐系统，通过消除流行度偏差，提升推荐系统的推荐性能，可以为用户提供更加优质，准确的个性化推荐内容。

本发明的目的是通过以下技术方案实现的：

一种纠正推荐系统流行度偏差的因果推理方法，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。

由上述本发明提供的技术方案可以看出，1)方案是模型(即推荐系统模型)无关的，可以很简单地适用于任何推荐系统模型。2)对超参数不敏感，减少了调整参数的时间和困难。3)能够提升推荐系统的推荐性能。

附图说明

为了更清楚地说明本发明实施例的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域的普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他附图。

图1为本发明实施例提供的推荐系统因果图的示意图；

图2为本发明实施例提供的一种纠正推荐系统流行度偏差的因果推理方法的流程图；

图3为本发明实施例提供的在Adressa数据集上的推荐性能对比结果；

图4为本发明实施例提供的参数c对推荐性能的影响示意图。

具体实施方式

下面结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明的保护范围。