推荐系统点击率预测模型的公平性提升方法、设备及介质

本发明公开了推荐系统点击率预测模型的公平性提升方法、设备及介质，方法包括以下步骤：S1：用样本数据集训练推荐系统的点击率预测模型，提取训练后的点击率预测模型的最后的线性层的表征信息作为代理模型的输入；S2：构建影响函数并计算准确率影响值和公平性影响值，构建出影响值矩阵；S3：计算出对每个样本数据的加权值，对样本数据进行重加权得到新的样本数据集。还提供相应的设备和存储介质，本发明克服了现有推荐系统点击率预测模型中提升推荐公平性需要牺牲推荐准确率、数据处理量大、模型训练成本高等问题，方法通过提取原模型最后的线性层的特征表示作为样本的代理，能在不影响推荐准确率的情况下实现推荐公平性的提高。