PR-entmax 损失函数缓解序列推荐流行度偏差，无需改架构

PR-entmax 损失函数通过将物品流行度先验直接嵌入稀疏概率映射，缓解序列推荐系统中的流行度偏差，其方法源自广义变分原理。它只改损失函数即可接入现有训练管线，推理时移除先验项、按学习到的相关性排序，非零梯度只分配给上下文相关且流行度允许的物品。多个基准与架构实验显示，该方法在保持或提升相关性的同时持续降低流行度偏差。