研究人员开发了一种新的正则化技术PBiLoss，以解决图推荐系统中的流行度偏差问题。该方法旨在通过惩罚过度推荐热门商品来提高公平性，从而促进更个性化的内容。PBiLoss被设计为模型无关的，可以集成到现有的框架中，如LightGCN。实验表明，在保持推荐准确性的同时，流行度偏差指标降低了高达10%。 AI
影响 引入了一种新颖的正则化技术，以增强图推荐系统的公平性和个性化。
排序理由 这是一篇详细介绍改进推荐系统公平性新方法的学术论文。
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →
arXiv:2507.19067v2 Announce Type: replace-cross Abstract: Recommender systems based on graph neural networks (GNNs) have been proved to perform well on user-item interactions. However, they commonly suffer from popularity bias -- the tendency to over-recommend popular items -- re…