Kas yra populiarumas-bayas ir kaip su juo kovoti?

Populiarumo šališkumas (popularity bias) yra sisteminis nuokrypis rekomendacijų sistemose ir mašininio mokymosi algoritmuose, kai populiariausi objektai (pvz., produktai, filmai, straipsniai) gauna neproporcingai daugiau dėmesio ir rekomendacijų, o mažiau populiarūs objektai lieka nepastebėti. Tai sumažina rekomendacijų įvairovę ir gali pabloginti naudotojo patirtį.

Kaip kovoti su populiarumo šališkumu:

• Duomenų svėrimas arba pervertinimas: sumažinti populiarių objektų svorį modelio mokymo metu.
• Įvairovės įvedimas: naudoti metodus, kurie subalansuoja populiarumą ir įvairovę, pvz., pridėti atsitiktinių arba retų objektų į rekomendacijas.
• Kontekstiniai arba personalizuoti modeliai: kad rekomendacijos būtų grindžiamos ne tik populiarumu, bet ir individualiomis preferencijomis.
• Reguliavimas ir bausmės: taikyti bausmes per daug populiariems objektams nuostolių funkcijoje.

Pavyzdys: filmų rekomendacijų sistemoje galima pridėti parametrą, kuris sumažina didžiausio populiarumo filmų rekomendavimo tikimybę, suteikdamas galimybę mažiau žinomiems, bet aktualiems filmams.