Czym jest popularność-bayas i jak z nią walczyć?

Bias popularności (popularity bias) to systematyczne przesunięcie w systemach rekomendacji i algorytmach uczenia maszynowego, w którym bardziej popularne obiekty (np. produkty, filmy, artykuły) otrzymują proporcjonalnie więcej uwagi i rekomendacji, podczas gdy mniej popularne obiekty pozostają niezauważone. Prowadzi to do zmniejszenia różnorodności rekomendacji i może pogorszyć doświadczenie użytkownika.

Jak walczyć z biasem popularności:

• Ważenie lub ponowna ocena danych: zmniejszenie wagi popularnych obiektów podczas trenowania modelu.
• Wprowadzenie różnorodności: stosowanie metod, które równoważą popularność i różnorodność, np. dodając losowe lub rzadkie obiekty do rekomendacji.
• Użycie modeli kontekstowych lub personalizowanych: aby rekomendacje opierały się nie tylko na popularności, ale także na indywidualnych preferencjach.
• Regularyzacja i kary: nakładanie kar na zbyt popularne obiekty w funkcji straty.

Przykład: w systemie rekomendacji filmów można dodać parametr, który zmniejsza prawdopodobieństwo rekomendacji najpopularniejszych filmów, dając szansę mniej znanym, ale istotnym filmom.