Beyond Popularity: Bias in Recommender Systems

Anbefalingssystemer er i dag sentrale i digitale tjenester som nettbutikker, medier og reiseliv. De øker personalisering og brukerengasjement, men skaper også utfordringer som Popularitetsbias: en tendens til å overanbefale populært innhold, mens nisje- og mindre populære alternativer blir oversett. Dette kan begrense innholdsmangfold, redusere brukertilfredshet og hindre rettferdig eksponering.

Denne avhandlingen utforsker popularitetsbias gjennom en litteraturgjennomgang som identifiserer årsaker, konsekvenser og mulige løsninger. Studien tester ulike metoder for biasreduksjon via offline-eksperimenter med datasett fra industrien, og evaluerer disse for nøyaktighet, mangfold og rettferdighet. For å validere metodene i praksis, gjennomføres en online A/B-test i et operativt anbefalingssystem, som gir innsikt i brukeratferd og effektivitet.

Avhandlingen bidrar med viktig kunnskap om hvordan popularitetsbias kan håndteres i anbefalingssystemer, og peker på at en kombinasjon av teoretisk forståelse og praktisk testing er nødvendig for å utvikle mer rettferdige og effektive løsninger. Resultatene viser at det er mulig å redusere bias uten å ofre altfor mye på nøyaktighet, men at dette krever en bevisst og målrettet tilnærming. Ved å integrere funn fra både kontrollert forskning og reelle brukerstudier, gir avhandlingen et solid grunnlag for videre utvikling av anbefalingssystemer som balanserer personalisering med mangfold og rettferdighet. Dette er ikke bare viktig for å forbedre brukeropplevelsen, men også for å sikre at digitale plattformer fremmer et bredt og inkluderende innholdsutvalg.

Personalia

Anastasiia har fullført sitt doktorgradsarbeid ved SFI MediaFutures ved InfoMedia Institutt, under veiledning av professorene Mehdi Elahi, Christoph Trattner og Dietmar Jannach. Hun har tatt en mastergrad i Informatikk ved TU Graz, Østerrike, med fokus på multimedie- og språkteknologi. Før det oppnådde hun en bachelorgrad med utmerkelse ved RSUH i Moskva, Russland. Hun har en stor lidenskap for å forske på KI-teknologier og hvordan de påvirker vårt dagligliv, språk og samfunn.