核心概念
本文提出了一種名為測試時間簡化傳播(TSP)的新型拓撲感知流行度去偏差框架,通過結合簡化複雜度來增強圖神經網路的表達能力,從而減輕推薦系統中的流行度偏差,尤其提升對長尾項目的推薦效果。
Yanbiao Ji, Yue Ding, Chang Liu, Yuxiang Lu, Xin Xin, and Hongtao Lu. 2024. Topology-Aware Popularity Debiasing via Simplicial Complexes. In Proceedings of Make sure to enter the correct conference title from your rights confirmation emai (Conference acronym ’XX). ACM, New York, NY, USA, 10 pages. https://doi.org/XXXXXXX.XXXXXXX
本研究旨在解決圖神經網路(GNN)在推薦系統中面臨的流行度偏差問題,特別是流行商品在訊息傳遞過程中對鄰近用戶的影響力過大的問題,導致推薦結果偏向於熱門商品。