Qu'est-ce que la popularité-bayas et comment y faire face?

Le biais de popularité (popularity bias) est un décalage systématique dans les systèmes de recommandation et les algorithmes d'apprentissage automatique, où les objets plus populaires (par exemple, produits, films, articles) reçoivent une attention et des recommandations disproportionnées, tandis que les objets moins populaires restent ignorés. Cela conduit à une réduction de la diversité des recommandations et peut nuire à l'expérience utilisateur.

Comment lutter contre le biais de popularité :

• Pondération ou réévaluation des données : diminuer le poids des objets populaires lors de l'entraînement du modèle.
• Introduction de diversité : utiliser des méthodes qui équilibrent la popularité et la diversité, par exemple en ajoutant des objets aléatoires ou rares dans les recommandations.
• Utilisation de modèles contextuels ou personnalisés : pour que les recommandations soient basées non seulement sur la popularité, mais aussi sur les préférences individuelles.
• Régularisation et pénalités : appliquer des pénalités aux objets trop populaires dans la fonction de perte.

Exemple : dans un système de recommandation de films, on peut ajouter un paramètre qui réduit la probabilité de recommander les films les plus populaires, afin de donner une chance aux films moins connus mais pertinents.