¿Qué es la popularidad-bayas y cómo luchar contra ella?

El sesgo de popularidad (popularity bias) es un sesgo sistemático en los sistemas de recomendación y algoritmos de aprendizaje automático, en el cual los objetos más populares (por ejemplo, productos, películas, artículos) reciben una atención y recomendaciones desproporcionadamente mayores, mientras que los objetos menos populares permanecen desapercibidos. Esto conduce a una reducción en la diversidad de las recomendaciones y puede empeorar la experiencia del usuario.

Cómo combatir el sesgo de popularidad:

• Ponderación o reevaluación de datos: reducir el peso de los objetos populares durante el entrenamiento del modelo.
• Introducción de diversidad: usar métodos que equilibren entre popularidad y diversidad, por ejemplo, añadiendo objetos aleatorios o raros en las recomendaciones.
• Uso de modelos contextuales o personalizados: para que las recomendaciones se basen no solo en la popularidad, sino también en las preferencias individuales.
• Regularización y penalizaciones: aplicar penalizaciones a objetos demasiado populares en la función de pérdida.

Ejemplo: en un sistema de recomendación de películas, se puede añadir un parámetro que reduzca la probabilidad de recomendar las películas más populares, para dar oportunidad a películas menos conocidas pero relevantes.