基于改进敏感图的知识感知推荐公平表征学习方法

摘要

当前知识感知推荐系统在融合知识图谱时缺少公平性保障机制，导致模型隐式学习到知识关系中的潜在偏见，从而引发推荐公平性问题.现有去偏方法通过敏感属性特征学习来去除敏感属性信息，但仍面临两方面的问题：一是未能充分捕捉多敏感属性间的潜在关系；二是缺乏对属性间因果效应的建模.为此，本文提出了一种基于改进敏感图的知识感知推荐公平表征学习方法.一方面，本文以多阶邻接矩阵的形式构建和更新敏感图节点表示；另一方面，本文引入因果注意力机制捕获敏感属性节点间的因果传导效应，最终结合对抗学习去除敏感属性信息，在不影响知识感知推荐模型主要流程的前提下实现公平表征学习.本文在推荐领域基准数据集MovieLens-1M和Last. FM上进行了大量的实验，结果表明：本文方法能够有效提升基础模型的公平性表现，同时能更好地平衡推荐性能和公平性表现.

关键词

知识感知推荐系统 / 去偏推荐 / 公平表征学习 / 对抗学习