【技术实现步骤摘要】
本申请涉及算法推荐领域，更具体地说，涉及一种基于公平表示学习的推荐方法。
技术介绍
1、随着信息时代的到来，推荐系统被广泛应用于电子商务、就业、医疗保健等各种平台，能帮助人们从海量数据中快速获取有用信息。但推荐系统也存在不公平和偏见问题。推荐项目存在长尾分布问题，热门项目被过度推荐，而大量非热门项目被忽略；用户可能会受到性别、年龄、文化背景等敏感属性的影响，在选择和接受推荐内容时形成偏向。推荐系统的生命周期包括用户、数据和模型三个关键组成部分，它们之间形成反馈回路。当出现偏差时，会在这个回路中逐渐放大，加剧不公平和偏见问题。
2、实现机器学习公平性的方法可分为预处理、内处理和后处理三类。预处理对训练数据进行处理，但可能无法消除测试数据中的不公平；后处理对推荐结果重新排序实现公平，但可能失去个性化；内处理从模型训练角度出发，将公平性指标纳入目标函数，是平衡准确性和公平性的有效方式。
3、中国专利申请，申请号cn202110411553.6，公开日2021年4月16日，公开了一种基于评论和物品描述的深度学习推荐方法及...
【技术保护点】
1.一种基于公平表示学习的推荐方法，包括：
2.根据权利要求1所述的基于公平表示学习的推荐方法，其特征在于：
3.根据权利要求2所述的基于公平表示学习的推荐方法，其特征在于：
4.根据权利要求3所述的基于公平表示学习的推荐方法，其特征在于：
5.根据权利要求4所述的基于公平表示学习的推荐方法，其特征在于：
6.根据权利要求5所述的基于公平表示学习的推荐方法，其特征在于：
7.根据权利要求1至6任一所述的基于公平表示学习的推荐方法，其特征在于：
8.根据权利要求7所述的基于公平表示学习的...
【技术特征摘要】
1.一种基于公平表示学习的推荐方法，包括：
2.根据权利要求1所述的基于公平表示学习的推荐方法，其特征在于：
3.根据权利要求2所述的基于公平表示学习的推荐方法，其特征在于：
4.根据权利要求3所述的基于公平表示学习的推荐方法，其特征在于：
5.根据权利要求4所述的基于公平表示学习的推荐方法，其特征在于：
6.根据权...
【专利技术属性】
技术研发人员：张骁雄，丁松，张明星，范强，严浩，周晓磊，丁鲲，
申请(专利权)人：中国人民解放军国防科技大学，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。