Buchumschlag

The Relevance of Item-Co-Exposure For Exposure Bias Mitigation

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Krause, Thorsten, Deriyeva, Alina, Beinke, Jan Heinrich, Bartels, Gerrit York, Thomas, Oliver
Format:	Preprint
Veröffentlicht:	2024
Schlagworte:	Information Retrieval
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

GENPLUGIN: A Plug-and-Play Framework for Long-Tail Generative Recommendation with Exposure Bias Mitigation
von: Yang, Kun, et al.
Veröffentlicht: (2025)

Mitigating Exposure Bias in Online Learning to Rank Recommendation: A Novel Reward Model for Cascading Bandits
von: Mansoury, Masoud, et al.
Veröffentlicht: (2024)

The Impact of Group Membership Bias on the Quality and Fairness of Exposure in Ranking
von: Vardasbi, Ali, et al.
Veröffentlicht: (2023)

Finding Interest Needle in Popularity Haystack: Improving Retrieval by Modeling Item Exposure
von: Agarwal, Rahul, et al.
Veröffentlicht: (2025)

Query Exposure Prediction for Groups of Documents in Rankings
von: Jaenich, Thomas, et al.
Veröffentlicht: (2024)

Diagnosing LLM-based Rerankers in Cold-Start Recommender Systems: Coverage, Exposure and Practical Mitigations
von: Lemdiasova, Ekaterina, et al.
Veröffentlicht: (2026)

PRECTR-V2:Unified Relevance-CTR Framework with Cross-User Preference Mining, Exposure Bias Correction, and LLM-Distilled Encoder Optimization
von: Cao, Shuzhi, et al.
Veröffentlicht: (2026)

Who Benefits from RAG? The Role of Exposure, Utility and Attribution Bias
von: Dehghan, Mahdi, et al.
Veröffentlicht: (2026)

A Non-Parametric Choice Model That Learns How Users Choose Between Recommended Options
von: Krause, Thorsten, et al.
Veröffentlicht: (2025)

Optimizing Recall or Relevance? A Multi-Task Multi-Head Approach for Item-to-Item Retrieval in Recommendation
von: Zhang, Jiang, et al.
Veröffentlicht: (2025)

Position Bias Estimation with Item Embedding for Sparse Dataset
von: Ishikawa, Shion, et al.
Veröffentlicht: (2023)

On Inherited Popularity Bias in Cold-Start Item Recommendation
von: Meehan, Gregor, et al.
Veröffentlicht: (2025)

Robust Relevance Feedback for Interactive Known-Item Video Search
von: Ma, Zhixin, et al.
Veröffentlicht: (2025)

Diversity Recommendation via Causal Deconfounding of Co-purchase Relations and Counterfactual Exposure
von: Zhang, Jingmao, et al.
Veröffentlicht: (2025)

Improving Sequential Recommenders through Counterfactual Augmentation of System Exposure
von: Zhao, Ziqi, et al.
Veröffentlicht: (2025)

Correcting Popularity Bias in Recommender Systems via Item Loss Equalization
von: Prent, Juno, et al.
Veröffentlicht: (2024)

Scalable and Provably Fair Exposure Control for Large-Scale Recommender Systems
von: Togashi, Riku, et al.
Veröffentlicht: (2024)

FairSync: Ensuring Amortized Group Exposure in Distributed Recommendation Retrieval
von: Xu, Chen, et al.
Veröffentlicht: (2024)

Jobs' AI Exposure Should Be Measured from Evidence, Not Model Priors
von: Mouchel, Luca, et al.
Veröffentlicht: (2026)

Post-hoc Provider Fairness Adaptation via Hierarchical Exposure Alignment
von: Li, Jingzhi, et al.
Veröffentlicht: (2026)

Integrating Item Relevance in Training Loss for Sequential Recommender Systems
von: Bacciu, Andrea, et al.
Veröffentlicht: (2023)

Mitigate Position Bias with Coupled Ranking Bias on CTR Prediction
von: Zhao, Yao, et al.
Veröffentlicht: (2024)

Middleman Bias in Advertising: Aligning Relevance of Keyphrase Recommendations with Search
von: Dey, Soumik, et al.
Veröffentlicht: (2025)

Multimodal Item Scoring for Natural Language Recommendation via Gaussian Process Regression with LLM Relevance Judgments
von: Liu, Yifan, et al.
Veröffentlicht: (2025)

A Cost-Sensitive Meta-Learning Strategy for Fair Provider Exposure in Recommendation
von: Boratto, Ludovico, et al.
Veröffentlicht: (2024)

Beyond Exposure: Optimizing Ranking Fairness with Non-linear Time-Income Functions
von: Li, Xuancheng, et al.
Veröffentlicht: (2026)

When Attention Becomes Exposure in Generative Search
von: Alipour, Shayan, et al.
Veröffentlicht: (2026)

Mitigating Position Bias with Regularization for Recommender Systems
von: Wang, Hao
Veröffentlicht: (2024)

T-Retrievability: A Topic-Focused Approach to Measure Fair Document Exposure in Information Retrieval
von: Chang, Xuejun, et al.
Veröffentlicht: (2025)

SimRec: Mitigating the Cold-Start Problem in Sequential Recommendation by Integrating Item Similarity
von: Brody, Shaked, et al.
Veröffentlicht: (2024)

Answer Bubbles: Information Exposure in AI-Mediated Search
von: Huang, Michelle, et al.
Veröffentlicht: (2026)

BiCoRec: Bias-Mitigated Context-Aware Sequential Recommendation Model
von: Muthivhi, Mufhumudzi, et al.
Veröffentlicht: (2025)

A Data-Centric Approach to Multilingual E-Commerce Product Search: Case Study on Query-Category and Query-Item Relevance
von: Yin, Yabo, et al.
Veröffentlicht: (2025)

Graph-Structured Driven Dual Adaptation for Mitigating Popularity Bias
von: Cai, Miaomiao, et al.
Veröffentlicht: (2025)

Towards FairRAG: Preventing Representational Harm in Retrieval-Augmented Generation by Enforcing Fair Exposure at Retrieval Time
von: Tikoo, Riddhi
Veröffentlicht: (2026)

Debias Can be Unreliable: Mitigating Bias Issue in Evaluating Debiasing Recommendation
von: Wang, Chengbing, et al.
Veröffentlicht: (2024)

Identifying and Upweighting Power-Niche Users to Mitigate Popularity Bias in Recommendations
von: Liu, David, et al.
Veröffentlicht: (2025)

Mitigating Popularity Bias in Counterfactual Explanations using Large Language Models
von: Hasami, Arjan, et al.
Veröffentlicht: (2025)

Linear Item-Item Model with Neural Knowledge for Session-based Recommendation
von: Choi, Minjin, et al.
Veröffentlicht: (2025)

Efficient Recommendation with Millions of Items by Dynamic Pruning of Sub-Item Embeddings
von: Petrov, Aleksandr V., et al.
Veröffentlicht: (2025)