Back to search

National and Kapodistrian University of Athens

Mitigating Popularity Bias in Recommender Systems: A Hybrid Approach with KoalaRec

Abstract

dc:description

Η πιο δημοφιλής κατηγορία συστημάτων συστάσεων είναι τα συστήματα Συνεργατικού Φιλτραρίσματος (Collaborative Filtering - CF) τα οποία λειτουργούν ως εξειδικευμένα συ- στήματα ανάκτησης πληροφοριών που παράγουν εξατομικευμένες προτάσεις με τη χρήση της ανατροφοδότησης των χρηστών. Ωστόσο, αυτά τα συστήματα έχουν εγγενείς περιορι- σμούς. Πρώτον, αντιμετωπίζουν το πρόβλημα της ”ψυχρής εκκίνησης” για νέα αντικείμενα, για τα οποία δεν υπάρχουν ιστορικές αλληλεπιδράσεις χρηστών και ως εκ τούτου είναι δύσκολο να προταθούν. Δεύτερον, αυτοί οι αλγόριθμοι παρουσιάζουν σημαντική ευαισθη- σία στη δημοτικότητα, δηλαδή έχουν την τάση να προτείνουν δημοφιλή αντικείμενα σε δυσανάλογο βαθμό έναντι λιγότερο δημοφιλών εναλλακτικών επιλογών, πιθανώς πιο σχε- τικών με τις προτιμήσεις του εκάστοτε χρήστη. Για να αντιμετωπίσει αυτές τις προκλήσεις, η ερευνητική κοινότητα συχνά επεκτείνει τους αλγορίθμους CF με την ενσωμάτωση μετα- δεδομένων για τα αντικείμενα, καταλήγοντας στη δημιουργία υβριδικών συστημάτων συ- στάσεων. Παρόλο που αυτή η στρατηγική επιλύει εν μέρει τα προαναφερθέντα προβλή- ματα, εισάγει ένα πρόσθετο πρόβλημα: οι αλγόριθμοι έχουν την τάση να υπερτονίζουν συγκεκριμένες σχέσεις αντικειμένων που είναι παρούσες τόσο στην ανατροφοδότηση των χρηστών όσο και στα μεταδεδομένα των αντικειμένων. Για να αντιμετωπίσουμε αυτό το πολυδιάστατο πρόβλημα, παρουσιάζουμε το KoalaRec, ένα νέο μοντέλο συστάσεων βασισμένο στην εκμάθηση γειτονιάς. Το KoalaRec ενσωματώνει έναν όρο ορθογώνιας κανονικοποίησης, διατυπωμένο βάσει των αρχών των τεχνικών ομαδοποίησης πολλαπλών υπόχωρων, με στόχο να ενθαρρύνει την εξαγωγή πληροφοριών τόσο από τα δεδομένα ανατροφοδότησης των χρηστών όσο και από τα μεταδεδομένα των αντικειμένων. Αυτή η νέα προσέγγιση επιτρέπει στον αλγόριθμο να μάθει διακριτές σχέσεις μεταξύ των αντικει- μένων από κάθε πηγή δεδομένων, μειώνοντας έτσι τον κίνδυνο έμφασης σε συγκεκριμένες σχέσεις μεταξύ τους. Τα πειράματά μας δείχνουν ότι το KoalaRec αντιμετωπίζει αποτελε- σματικά το πρόβλημα της δημοτικότητας, καθώς το μοντέλο υπερτερεί των άλλων αλγο- ρίθμων που εξετάζονται ως προς την κάλυψη καταλόγου και τον συντελεστή Gini, αν και, σε ορισμένες περιπτώσεις, με το κόστος μιας ελαφριάς μείωσης της ακρίβειας των συστάσεων.

Author and committee

dc:creator, dc:contributor.*
Authors dc:creator
  • Μπούλιαρη Ισμήνη
  • Bouliari Ismini

Subjects

dc:subject × 2

Rights

Language dc:language
English

Identifiers

dc:identifier.*
Identifier
uoadl:3371230

Chain of custody

source
Harvested from
National and Kapodistrian University of Athens
Base URL
pergamos.lib.uoa.gr/uoa/dl/frontend/oaipmh
Last updated
2026-11-19
Source record
OAI-PMH GetRecord
citation

Μπούλιαρη Ισμήνη; Bouliari Ismini. Mitigating Popularity Bias in Recommender Systems: A Hybrid Approach with KoalaRec. 2023. https://pergamos.lib.uoa.gr/uoa/dl/object/3371230