电影推荐系统中性别刻板印象的深入探讨及其隐私影响
信息检索
2025-01-09 v1
摘要
电影推荐系统通常利用用户反馈提供个性化推荐，以符合用户偏好并增加商业收益。本研究通过特定的攻击场景，探讨性别刻板印象对此类系统的影响。在该场景中，攻击者通过利用关于电影偏好的性别刻板印象并分析用户反馈数据（要么是公开的，要么是在系统中观察到的）来确定用户的性别，这是一种私有属性。该研究包含两个阶段。在第一个阶段，涉及630名参与者的用户研究确定与电影类型相关的性别刻板印象，这些刻板印象常影响观看选择。在第二个阶段，将应用于检测性别刻板印象的四个推理算法结合来自第一个阶段的发现与用户反馈数据。结果表明，这些算法的性能优于仅依赖反馈数据进行性别推断。此外，我们量化了性别刻板印象的程度，以评估其对数字计算科学的更广泛影响。本研究后半部分使用两个主要电影推荐数据集：MovieLens 1M 和 Yahoo!Movie。详细的实验信息可在我们的 GitHub 仓库https://github.com/fr-iit/GSMRS 获取。
引用
@article{arxiv.2501.04420,
title = {A Closer Look on Gender Stereotypes in Movie Recommender Systems and Their Implications with Privacy},
author = {Falguni Roy and Yiduo Shen and Na Zhao and Xiaofeng Ding and Md. Omar Faruk},
journal= {arXiv preprint arXiv:2501.04420},
year = {2025}
}
备注
19 pages, 2 figures