Recommender systems usually learn user interests from various user behaviors, including clicks and postclick behaviors (e.g., like and favorite, which reflects the true interests of users). However, these behaviors inevitably exhibit popularity bias, leading to some unfairness issues: 1) for items with similar quality, more popular ones get more exposure; and 2) even worse the popular items with lower popularity might receive more exposure. Existing work on mitigating popularity bias blindly eliminates the bias and usually ignores the effect of item quality. We argue that the relationships between different user behaviors (e.g., conversion rate) actually reflect the item quality. Therefore, to handle the unfairness issues, we propose to mitigate the popularity bias by considering multiple user behaviors. In this work, we examine causal relationships behind the interaction generation procedure in multibehavior recommendation. Specifically, we find that: 1) item popularity is a confounder between the exposed items and users' postclick interactions, leading to the exposure unfairness; and 2) some hidden confounders (e.g., the reputation of item producers) affect both item popularity and quality, resulting in the quality unfairness. To alleviate these confounding issues, we propose a causal framework to estimate the causal effect, which leverages backdoor adjustment to block the backdoor paths caused by the confounders. In the inference stage, we remove the negative effect of popularity and utilize the good effect of quality for recommendation. Experiments on two real-world datasets validate the effectiveness of our proposed framework, which enhances fairness without sacrificing recommendation accuracy on postclick behavior.

Ratings of a user to most items in recommender systems are usually missing not at random (MNAR), largely because users are free to choose which items to rate. To achieve unbiased learning of the prediction model under MNAR data, three typical solutions have been proposed, including error-imputation-based (EIB), inverse-propensity-scoring (IPS), and doubly robust (DR) methods. However, these methods ignore an alternative form of bias caused by the inconsistency between the observed ratings and the users' true preferences, also known as noisy feedback or outcome measurement errors (OME), e.g., due to public opinion or low-quality data collection process. In this work, we study intersectional threats to the unbiased learning of the prediction model from data MNAR and OME in the collected data. First, we design OME-EIB, OME-IPS, and OME-DR estimators, which largely extend the existing estimators to combat OME in real-world recommendation scenarios. Next, we theoretically prove the unbiasedness and generalization bound of the proposed estimators. We further propose an alternate denoising training approach to achieve unbiased learning of the prediction model under MNAR data with OME. Extensive experiments are conducted on three real-world datasets and one semi-synthetic dataset to show the effectiveness of our proposed approaches. The code is available at https://github.com/haoxuanli-pku/KDD24-OME-DR.

Climate Change EconomicsAccepted Papers No AccessTemperature Variation, Health, and Private Medical Costs: Evidence from ChinaMingyang Zhang, Wenjie Wang, Rui Hu, Zhiqiang Cheng, Jia Li, and Xiaoxiao ZhangMingyang Zhang, Wenjie Wang Search for more papers by this author , Rui Hu Search for more papers by this author , Zhiqiang Cheng Search for more papers by this author , Jia Li Search for more papers by this author , and Xiaoxiao Zhang Search for more papers by this author https://doi.org/10.1142/S2010007825500010Cited by:0 (Source: Crossref) Next AboutFiguresReferencesRelatedDetailsPDF/EPUB ToolsAdd to favoritesDownload CitationsTrack CitationsRecommend to Library ShareShare onFacebookTwitterLinked InRedditEmail Cite Recommend Remember to check out the Most Cited Articles! Be inspired by these New titles in Energy, Resource & Environmental Economics today. Featuring authors from Princeton, Columbia University, Imperial College Business School and many more! We recommendA CMOS Relaxation Oscillator with Process and Temperature Variation CompensationZhenyan Huang, Journal of Circuits, Systems and Computers, 2022Design of Voltage Level Shifter Using CNTFET and Analysis of Process Voltage Temperature VariationVikash Prasad, Journal of Circuits, Systems and Computers, 2022A Low-Power Clock Generator with a Wide Frequency Tuning Range and Low Temperature Variation: Analysis and DesignZiba Fazel, Journal of Circuits, Systems and Computers, 2019Aberrant Prefrontal–Thalamic–Cerebellar Circuit in Schizophrenia and Depression: Evidence From a Possible Causal ConnectivityYuchao Jiang, International Journal of Neural Systems, 2019Impact of a unilateral horizontal gene transfer on the evolutionary equilibria of a populationAlejandro Garriz, Mathematical Models and Methods in Applied Sciences, 2024Debt, sleep deprivation and psychological distress among online ride-hailing drivers: evidence from China Wanjie Tang, General Psychiatry, 2024The mental health of China and Pakistan, mental health laws and COVID-19 mental health policies: a comparative review S Mudasser Shah, General Psychiatry, 2022Call for emergency action to limit global temperature increases, restore biodiversity and protect health Lukoye Atwoli, General PsychiatryEffect of gender on the association between cumulative cardiovascular risk factors and depression: results from the US National Health and Nutrition Examination... Sen Li, General Psychiatry, 2023Marijuana use and suicidal behaviours among school-going adolescents in Africa: assessments of prevalence and risk factors from the Global School-Based Student ... John Tetteh, General PsychiatryPowered by Privacy policyGoogle Analytics settings FiguresReferencesRelatedDetailsNone Recommended Recommended CHINA'S HEALTH TRANSITION AND FUTURE HEALTH CARE FINANCINGJin FengUnfinished Reforms in the Chinese EconomyTemperature Variability and Mortality: Evidence from 16 Asian CountriesOlivier DeschenesAsian Development ReviewVol. 35, No. 2The Cost of Being Under the Weather: Droughts, Floods, and Health-Care Costs in Sri LankaDiana De Alwis and Ilan NoyAsian Development ReviewVol. 36, No. 2Intended and Unintended Impacts of Price Changes for Drugs and Medical Services: Evidence from ChinaBy (author): Hongqiao Fu, Ling Li, and Winnie Chi-Man YipHealth Care Policy in East Asia: A World Scientific ReferenceWealth, Education and Demand for Medical Care: Evidence from Rural ChinaJIN FENG, BEI QIN, and YANGYANG YUInvesting in Human Capital for Economic Development in ChinaDROUGHT AND HOTTER TEMPERATURE IMPACTS ON SUICIDE: EVIDENCE FROM THE MURRAY–DARLING BASIN, AUSTRALIAYING XU, SARAH ANN WHEELER, and ALEC ZUOClimate Change EconomicsVol. 15, No. 01Reinventing China's Health SystemJiwei QIANChinaThe Impact of Rural Mutual Health Care on Health Status: Evaluation of a Social Experiment in Rural ChinaBy (author): Hong Wang, Winnie Chi-Man Yip, Licheng Zhang, and William C. HsiaoHealth Care Policy in East Asia: A World Scientific Reference Accepted Papers Metrics Downloaded 0 times History Received 20 May 2024 Accepted 30 December 2024 PDF download

Foundation Models such as Large Language Models (LLMs) have significantly advanced many research areas. In particular, LLMs offer significant advantages for recommender systems, making them valuable tools for personalized recommendations. For example, ...