
-
生物通官微
陪你抓住生命科技
跳动的脉搏
语义流行度曝光:文本感知推荐系统中被忽视的流行度偏差维度
《Scientific Reports》:Count-based popularity control under-corrects semantic-popularity exposure in text-aware recommender systems
【字体: 大 中 小 】 时间:2026年10月22日 来源:Scientific Reports 4.9
编辑推荐:
摘要推荐系统中的流行度偏差通常通过单个项目自身的交互次数来衡量,而由语义相关项目所编码的流行度结构在很大程度上被忽视。在本文中,我们定义语义流行度为文本嵌入空间中仅训练集内项目流行度的邻域聚合,并提出语义流行度曝光(SPE)来量化推荐列表在多大程度上偏向语义流行的区域。在 A
推荐系统中的流行度偏差通常通过单个项目自身的交互次数来衡量,而由语义相关项目所编码的流行度结构在很大程度上被忽视。在本文中,我们定义语义流行度为文本嵌入空间中仅训练集内项目流行度的邻域聚合,并提出语义流行度曝光(SPE)来量化推荐列表在多大程度上偏向语义流行的区域。在 Amazon Reviews 2023 的五个品类中,在所有正惩罚强度下,直接语义控制比同等匹配次数的流行度控制减少了更多的 SPE,并且在基线相对 5% NDCG 下限下,这一顺序在全部 10 个数据集-骨干网络组合中与独立的 LightGCN 和 SASRec 推荐器保持一致。在匹配的实现 NDCG 下,语义控制在每个非基线效用目标下也产生了更低的平均 SPE,而邻域消融实验表明,随机邻居、品类均值和基于次数的信号均显著弱于语义邻居信号。在五个数据集级别单位中,基于斜率的次数到语义的转换与干预前次数流行度与语义流行度之间的相关性(Pearson \(r=0.873\);平均绝对偏差 \(=0.029\))紧密吻合,支持 \(T\approx r\) 作为描述性的一阶近似而非精确定律。这些发现表明,交互次数流行度和语义流行度代表文本感知推荐系统中不同的曝光维度,并建议在设计流行度控制机制时,应将语义邻域结构与传统的流行度衡量指标一同审计。