面向群组推荐的公平包枚举

面向群组的包推荐系统向一组人推荐一组统一的物品。与常规设定不同，群组推荐的效用难以度量，因为其涉及不止一个用户。特别地，公平性在群组推荐中至关重要。即便群组中某些成员对推荐高度满意，若其他成员被忽视以抬高总效用，也是不可取的。文献中已提出许多评估和施加群组推荐公平性的方法。然而，这些方法均最大化分数并仅输出一个包。这与输出若干（例如top-$K$）候选的常规推荐系统形成对比。这可能带来问题，因为即便分数很高，群组也可能因某些未观测原因对推荐包不满意。为应对该问题，我们提出一种高效枚举公平包的方法。我们的方法进一步支持过滤查询，例如top-$K$与交集，以在列表较长时筛选偏好的包。我们确认算法可扩展至大型数据集，并能平衡包效用的多个方面。