Counterfactual Inference for Eliminating Sentiment Bias in Recommender Systems

要約

推奨システム（RSS）は、ユーザーにパーソナライズされた推奨事項を提供することを目指しています。
センチメントバイアスとして知られる新たに発見されたバイアスは、レビューベースのRSS（RRSS）内の一般的な現象を明らかにします。ユーザーまたは否定的なレビューを持つアイテムの推奨精度は、肯定的なレビューを持つユーザーまたはアイテムと比較して悪化します。
重要なユーザーとニッチなアイテムは、このような不公平な推奨事項によって不利になります。
この問題を2つの段階で反事実的推論の観点から研究します。
モデルトレーニング段階で、因果グラフを構築し、最終評価スコアに感情がどのように影響するかをモデル化します。
推論段階では、直接的および間接効果を分離して、センチメントバイアスの影響を軽減し、反事実的推論を使用して間接効果を除去します。
広範な実験を実施し、結果は、より良い推奨事項と感情バイアスの効果的な緩和のために、モデルが評価予測で同等のパフォーマンスを達成できることを検証します。
私たちの知る限り、これはRSSのセンチメントバイアス緩和に反事実的な推論を採用する最初の作業です。

要約(オリジナル)

Recommender Systems (RSs) aim to provide personalized recommendations for users. A newly discovered bias, known as sentiment bias, uncovers a common phenomenon within Review-based RSs (RRSs): the recommendation accuracy of users or items with negative reviews deteriorates compared with users or items with positive reviews. Critical users and niche items are disadvantaged by such unfair recommendations. We study this problem from the perspective of counterfactual inference with two stages. At the model training stage, we build a causal graph and model how sentiment influences the final rating score. During the inference stage, we decouple the direct and indirect effects to mitigate the impact of sentiment bias and remove the indirect effect using counterfactual inference. We have conducted extensive experiments, and the results validate that our model can achieve comparable performance on rating prediction for better recommendations and effective mitigation of sentiment bias. To the best of our knowledge, this is the first work to employ counterfactual inference on sentiment bias mitigation in RSs.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google