Popularitäts-Bias
Die systematische Überrepräsentation populärer Items in Empfehlungen, die Nischen-Items benachteiligt und Filter Bubbles verstärkt.
Popularity Bias bevorzugt systematisch populäre Items und benachteiligt Nischen – ein zentrales Fairness- und Business-Problem in RecSys.
Erklärung
Populäre Items haben mehr Interaktionsdaten → Modelle empfehlen sie häufiger → sie werden noch populärer (Feedback-Loop). Gegenmaßnahmen: Inverse Propensity Scoring, Diversitäts-Constraints, Causal Debiasing.
Relevanz für Marketing
Im Marketing verstärkt Popularity Bias Bestseller und vernachlässigt Long-Tail-Produkte mit oft höherer Marge.
Beispiel
Ein Buchshop empfiehlt nur Bestseller, obwohl Nischen-Bücher für den spezifischen Nutzer relevanter wären.
Häufige Fallstricke
Zu aggressive Debiasing kann Accuracy reduzieren. Popularität ist manchmal ein valides Qualitätssignal.
Entstehung & Geschichte
Steck (2011) formalisierte Popularity Bias in RecSys. Abdollahpouri et al. (2019) zeigten seine Auswirkungen auf Fairness. Causal Debiasing (Schnabel et al., 2016) wurde ein Standard-Ansatz.
Abgrenzung & Vergleiche
Popularitäts-Bias vs. Filter Bubble
Filter Bubble beschränkt die Vielfalt für Nutzer; Popularity Bias beschränkt die Sichtbarkeit für Items.