本研究提出了一种公平取样方法，解决了推荐系统中的流行偏见问题，确保用户和物品以相等概率被选为正负实例。实验结果表明，该方法在提升推荐公平性方面优于现有技术，同时保持推荐的准确性。

本研究探讨了推荐系统中的流行偏见，导致主流文化被偏爱而边缘文化被忽视。我们提出了一种新方法，通过优化嵌入空间学习，识别并调整人口统计偏见，实现了长尾项目平均排名降低27%，同时提升了公平性与包容性。