yusanshi
commented
2 years ago 新闻推荐的实验数据中，因为每个用户在一定时间段（近一周或近几周），浏览点击的数据量是不一样的，例如：userid1浏览点击了31篇，userid2浏览点击了41篇。限定用户历史点击数为30，那么userid1正样本的数据量为1，在训练集中出现的次数为1，userid2正样本的数据量为11，在训练集中出现的次数为11（先不考虑验证集、测试集），负样本在候选集中随机抽样k个。
我用的 MIND 数据集的构造方式跟您说的这个应该有些不同，比如，它是严格按照前后时间段分别构造 history、train set、val set、test set，4 个时间段之间没有重叠；它的负样本来自于一个新闻列表中给用户展示了但是没有点的新闻，所以是真实的负样本。
关于后面您说的流行度的问题，它应该是属于推荐系统中 Popularity Bias / Fairness 的问题，我对这个没系统研究过，不过有几篇论文感觉还不错 https://arxiv.org/pdf/1901.07555.pdf，https://arxiv.org/pdf/1907.13286.pdf。
在实际开发中（实习期间）我也确实碰到过类似的情况，当时我们用的解决办法主要是在 padding news （指当用户的历史比较少的时候为了保证 user history shape 的一致性所填补的 paddding news）上做调整，也没有发现其他特别好的解决方法，欢迎交流探讨
Energy9502
新闻推荐的实验数据中，因为每个用户在一定时间段（近一周或近几周），浏览点击的数据量是不一样的，例如：userid1浏览点击了31篇，userid2浏览点击了41篇。限定用户历史点击数为30，那么userid1正样本的数据量为1，在训练集中出现的次数为1，userid2正样本的数据量为11，在训练集中出现的次数为11（先不考虑验证集、测试集），负样本在候选集中随机抽样k个。
我的问题如下（测试模型LSTUR）