公开(公告)号：CN116028708A

公开(公告)日：2023-04-28

申请号：CN202211249909.1

申请日：2022-10-12

Applicant: 支付宝(杭州)信息技术有限公司 ,  合肥工业大学

Inventor： 陈雷 ,  吴乐 ,  张琨 ,  邵鹏阳 ,  连德富 ,  洪日昌 ,  张志强 ,  周俊 ,  汪萌

IPC: G06F16/9535 ,  G06Q30/06 ,  G06Q30/0251 ,  G06F18/214 ,  G06F18/24 ,  G06N3/048 ,  G06N3/084

Abstract: 本说明书实施例提供一种推荐模型的训练方法及装置。该方法包括：首先，获取真实样本集，其中任意的第一真实样本包括第一用户的用户特征和第一业务对象的对象特征，以及指示所述第一用户是否对第一业务对象做出预定行为的第一行为标签；所述真实样本集涉及的M个用户被划分为与预设敏感属性的两个属性值对应的两组用户；接着，基于所述第一真实样本构造对应的虚构样本，所述虚构样本涉及的第二用户与所述第一用户分属于所述两组用户，所述虚构样本涉及的虚构业务对象与所述第一业务对象的相似度满足预设阈值，所述虚构样本的虚构行为标签具有与所述第一行为标签相同的标签值；之后，基于所述第一真实样本和虚构样本，训练所述推荐模型。

公开(公告)号：CN114936890A

公开(公告)日：2022-08-23

申请号：CN202210345565.8

申请日：2022-03-31

Applicant: 合肥工业大学

Inventor： 吴乐 ,  邵鹏阳 ,  张琨 ,  连德富 ,  洪日昌 ,  李勇 ,  汪萌

IPC: G06Q30/06 ,  G06F16/9536 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明公开了一种基于逆倾向加权方法的反事实公平的推荐方法，包括：1.利用用户和产品的交互记录构建评分矩阵，利用用户的二值敏感属性构建敏感属性矩阵；2.提出推荐的反事实公平性定义；3.预训练推荐模型，获得用户和产品的表征；4.通过图卷积方式进行特征传播，构建特征到敏感属性的分类器；5.提出基于图的自监督学习正则化项；6.固定分类器参数，获得针对敏感属性取值的倾向分数；7.通过逆倾向加权技术构建推荐的损失函数，更新模型参数。本发明从因果影响估计的角度出发，避免从交互数据中构建因果图，以实现推荐的反事实公平性，同时兼顾推荐的准确度，保证推荐内容的质量，为促进推荐的公平性研究提供了有利基础。