Causal Intervention for Leveraging Popularity Bias in Recommendation论文笔记
1 题目解析
论文地址:http://staff.ustc.edu.cn/~hexn/papers/sigir21-PDA.pdf
源代码地址:https://github.com/zyang1580/PDA,代码必须部署在linux操作系统下。
1.1 流行度偏差
流行度呈现二八原则:少数商品被购买得多,多数商品被购买得少
流行度偏差:一些算法(比如协同过滤算法)倾向于推荐流行度高的商品,从而放大了流行度偏差。
1.2 因果推断
相关内容参考:https://zhuanlan.zhihu.com/p/397796913
- 因果性和相关性的区别
举个例子:如果我们发现,夏天的时候,一个冰淇淋店的电费上涨的同时冰淇淋卖的也很好,我们可以说他们互相之间有因果的关系吗?
不见得,他们之间可能只是统计上的相关性,而真正给他们带来的因果性的因子叫做气温,是因为气温的上升,导致电费的增加,也是因为气温的上升,导致了冰淇淋销量的上升
Causal Intervention for Leveraging Popularity Bias in Recommendation论文笔记相关推荐
- SIGIR‘21因果推断——不要把流行度偏差一棍子打死Causal Intervention for Leveraging Popularity Bias in Recommendation
Causal Intervention for Leveraging Popularity Bias in Recommendation https://arxiv.org/pdf/2105.0606 ...
- 推荐系统 Causal Intervention for Leveraging Popularity Bias in Recommendation因果论文笔记
Causal Intervention for Leveraging Popularity Bias in Recommendation 1.问题 在数据上,项目在交互频率上呈现不均匀分布 在方法上, ...
- 【Self-Attentive Sequential Recommendation论文笔记】
Self-Attentive Sequential Recommendation论文笔记 Self-Attentive Sequential Recommendation 序列动态是许多现代推荐系统的 ...
- Causal Embeddings for Recommendation 论文笔记
有什么问题欢迎讨论呀! 论文标题:Causal embeddings for recommendation 目的 用过去的 user-item 矩阵预测用户未来的行为会造成偏差,本文是为了消除这种偏差 ...
- 卷积-CNN-GCN-LightGCN: Simplifying and Powering Graph Convolution Network for Recommendation论文笔记
参考博客:https://www.zhihu.com/question/54504471/answer/332657604 1. 卷积 连续: ( f ∗ g ) ( n ) = ∫ − ∞ + ∞ ...
- LightGCN: Simplifying and Powering Graph Convolution Network for Recommendation 论文笔记
目录 1.简介 1.1 背景介绍 1.2 摘要 1.3 主要贡献 2. 准备工作 2.1 NGCF 2.2 对NGCF的实证探索 3. LightGCN模型 3.1 Light Graph Convo ...
- Causal Intervention for Weakly-Supervised Semantic Segmentation
文章目录 概 主要内容 普通的弱监督语义分割 因果模型 训练流程 代码 Zhang D., Zhang H., Tang J., Hua X. and Sun Q. Causal Interventi ...
- 【Debias】Model-Agnostic Counterfactual Reasoning for Eliminating Popularity Bias in RS(KDD‘21)
Model-Agnostic Counterfactual Reasoning for Eliminating Popularity Bias in Recommender System (KDD'2 ...
- Adversarial Visual Robustness by Causal Intervention
Motivation: 机器能够利用人看不见的pattern对目标进行分类,当测试时pattern不变,那么这些pattern是有益的,被称为predictive features,而当他们在攻击中被 ...
最新文章
- C# 获取图片的EXIF 信息
- linux下什么文件不能修改,Linux和Unix下root也不能修改文件与目录的命令
- zencart产品批量维护系统--视频教程
- 基于verilog贪吃蛇游戏设计
- 字符串之字符数组种是否所有的字符都只出现过一次
- 世上描述宇宙最精确的科学理论
- spark学习-42-Spark的driver理解和executor理解
- 一文搞定Redis五大数据类型及使用场景
- 系统逻辑架构图怎么画
- Ubuntu安装基础教程(No Zuo No Die)
- 电脑下载路径与安装路径设置 以及浏览器推荐
- 苹果app开发流程详解
- 兵法三十六计第一计-瞒天过海。
- Java版俄罗斯方块
- LeaRun.net快速开发动态表单
- 位置式Pid和增量式Pid的定义及应用
- STM32学习(二)
- [R]提高R语言速度
- SSCOM3.2无法保存窗口的问题的解决
- 如何掌握SWAT模型在水文水资源、面源污染模拟中的实践技术?