動画レコメンデーションにおける慣れバイアスの軽減学習

arXiv:2602.07987v1 Announce Type: cross 要約: 現代の動画レコメンデーションシステムは、ユーザーエンゲージメントとプラットフォーム目標の最適化を目指していますが、行動バイアスによって引き起こされる構造的な露出偏りが生じる問題があります。本研究では、ランキング後の段階に焦点を当て、レコメンデーション出力における慣れバイアスを緩和するために設計された軽量かつモデル非依存のフレームワークである LAFB（Learning to Alleviate Familiarity Bias）を提案します。LAFB は離散的で連続的なインタラクション特性を使用してユーザーとコンテンツの親密性をモデル化し、個人化されたバイアス軽減因子を推定することで、ユーザー評価予測スコアを調整します。これにより、最終的なランキングにおける慣れコンテンツの優位性を低減します。本研究中では、ユニファイドなサービングスタック上で、LAFB と実行可能な人気中心の解決策を比較しながら、大規模なオフライン評価と実世界レコメンデーションシステム内のオンライン A/B テストを行いました。結果は、LAFB が新規視聴シェアを高め、新興クリエイターの露出と全体的なコンテンツ多様性を改善し、かつ総合的な視聴時間と短期的な満足度を安定化させていることを示しました。LAFB は既に YouTube のレコメンデーションシステムのランキング後段階に展開されており、実世界アプリケーションでの有効性が実証されています。

arXiv:2602.07987v1 Announce Type: cross Abstract: Modern video recommendation systems aim to optimize user engagement and platform objectives, yet often face structural exposure imbalances caused by behavioral biases. In this work, we focus on the post-ranking stage and present LAFB (Learning to Alleviate Familiarity Bias), a lightweight and model-agnostic framework designed to mitigate familiarity bias in recommendation outputs. LAFB models user-content familiarity using discrete and continuous interaction features, and estimates personalized debiasing factors to adjust user rating prediction scores, thereby reducing the dominance of familiar content in the final ranking. We conduct large-scale offline evaluations and online A/B testing in a real-world recommendation system, under a unified serving stack that also compares LAFB with deployable popularity-oriented remedies. Results show that LAFB increases novel watch-time share and improves exposure for emerging creators and overall content diversity, while maintaining stable overall watch time and short-term satisfaction. LAFB has already been launched in the post-ranking stage of YouTube's recommendation system, demonstrating its effectiveness in real-world applications.