Wat is populariteit-bayas en hoe ertegen te vechten?

De populariteitsbias (popularity bias) is een systematische afwijking in aanbevelingssystemen en machine learning-algoritmen, waarbij populairdere objecten (bijvoorbeeld producten, films, artikelen) onevenredig meer aandacht en aanbevelingen krijgen, terwijl minder populaire objecten onopgemerkt blijven. Dit leidt tot minder diversiteit in aanbevelingen en kan de gebruikerservaring verslechteren.

Hoe de populariteitsbias te bestrijden:

• Weging of herwaardering van gegevens: het gewicht van populaire objecten verminderen tijdens het trainen van het model.
• Introductie van diversiteit: methoden gebruiken die een balans vinden tussen populariteit en diversiteit, bijvoorbeeld door willekeurige of zeldzame objecten aan aanbevelingen toe te voegen.
• Gebruik van contextuele of gepersonaliseerde modellen: zodat aanbevelingen niet alleen op populariteit gebaseerd zijn, maar ook op individuele voorkeuren.
• Regularisatie en straffen: straffen toepassen op te populaire objecten in de verliesfunctie.

Voorbeeld: in een filmsuggestiesysteem kan een parameter worden toegevoegd die de kans op het aanbevelen van de meest populaire films vermindert, zodat minder bekende maar relevante films ook een kans krijgen.