摘要
本发明公开了一种基于双视角纠偏的推荐方法,包括:步骤1、定量分析数据中是否存在物品流行度偏差和用户活跃度偏差,构建符合数据生成机制的因果图;步骤2、基于步骤1中构建的因果图,在训练阶段使用do算子,采用P(Y|do(U,I))代替传统的P(Y|U,I),消除物品表征和用户表征的流行度偏差的影响,来表示用户对物品的真实偏好,然后使用后门调整技术,通过数据估计出P(Y|do(U,I))因果估计量;步骤3、对步骤2中的因果估计量进行参数化,使其可用已有数据恢复出来并进行训练,改进贝叶斯个性化排序BPR损失函数,使得推荐模型能够利用物品流行度和用户活跃度两方面信息进行去偏;步骤4、在推断阶段,通过调整流行度偏差找出在测试集上潜在受欢迎的物品。
- 单位