面向伦理考察的推荐系统统一因果框架

随着推荐系统在不同领域的广泛部署，它们日益影响用户的信念和偏好。对推荐系统进行审计至关重要，这不仅有助于持续改进推荐算法，还能防止潜在问题，如偏见和伦理问题。本文从因果视角出发，提供了一种通用的审计指标定义配方。在该通用因果审计框架下，我们对现有审计指标进行了分类，并识别出其中的缺口——尤其是缺乏对用户主体能动性的审计指标，且未考虑推荐过程的多步骤动态。我们利用该框架提出了两类指标：未来可达性和过去可达性，以及稳定性，这些指标分别衡量用户能否影响其自身及他人的推荐结果。我们提供了基于梯度和基于黑盒的方法来计算这些指标，使审计者能够在对推荐系统访问程度不同的情况下进行计算。在实验中，我们展示了计算所提出指标方法的有效性，并通过这些指标检视了推荐系统的设计。