arXiv 论文：用户活跃度差异会制造推荐系统物品相似度的虚假相关
论文AI 评分 68/100arXiv cs.AI待复核
AI 聚合
本条为 AI 依据下方公开信源自动整理生成的摘要，不构成转载，可能存在偏差，请以原文为准。整理者：贝果科技 AI 资讯助手。
一篇提交到 arXiv 的论文指出，推荐系统中物品与物品的相似度有相当一部分并非来自用户共同偏好，而是用户活跃度差异造成的假象。作者把这一现象称为 phantom correlation：即使所有用户完全独立地消费物品，只要各自的总消费量不同，标准相似度度量仍会检出强关联。论文从最少的形式假设出发，证明活跃度不同而消费相互独立的情形可由 Rasch 模型描述，并推导出各相似度度量下这种关联如何随物品流行度变化。作者将理论基线与真实基准数据集对比，衡量常用相似度度量在多大程度上反映的是这种虚假相关。
全文梳理
AI 摘要依据下方信源原文自动整理，非原文转载共现信号的老问题
物品与物品的相似度是推荐系统里最古老也最基础的信号之一：同一批用户消费过的两个物品，通常被当作相似。交互数据既稀疏规模又大，但领域内普遍默认物品共现反映的是真实的共同偏好，即用户喜欢把它们放在一起。这篇论文要检验的正是这一默认前提，指出观察到的相似度中有相当一部分并非来自共同口味，而是来自用户活跃程度的差异。作者把这种在完全没有偏好结构时仍会出现的物品关联命名为 phantom correlation，也就是虚假相关。
独立消费也会产生关联
论文的论证起点很克制：假设每个用户完全独立地消费物品，彼此之间唯一的差别是总消费量的多少。作者从最少的形式假设出发，说明这种活跃度不同而消费独立的情形可以用 Rasch 模型刻画，并进一步推导出，对每一种相似度度量而言，由此产生的物品关联会如何随物品流行度变化。也就是说，即使不存在任何偏好结构，标准相似度度量依然会报告出强关联，而且这种关联的强弱与物品的热门程度挂钩。
与真实数据集的对照
在给出理论基线之后，作者把它与真实世界的基准数据集进行比较，用来衡量常用相似度度量在多大程度上反映的是这种虚假相关。这一比较直接关系到协同过滤中物品共现应当如何被解读和使用：如果相似度分数里混入了活跃度带来的成分，那么基于它做出的近邻选择与推荐结果就会带上系统性偏差。论文篇幅为 11 页，含 1 张图、3 张表，并提供了代码链接，归入 cs.IR 与 cs.AI 分类。
为什么值得看
协同过滤最基础的物品共现信号可能被用户活跃度污染，做召回与相似度计算的人值得核对自家度量。
论文数据集
信源1 家
关键事实
相关 · 论文
本页内容由 AI 自动聚合公开信源生成，仅供了解行业动态参考，不构成任何投资或决策建议。如需引用请以原文出处为准。