声音平等：面向众包Top-K推荐中的公平表示
社会与信息网络
2018-11-22 v1
摘要
为帮助用户在特定时间发现重要条目，Twitter、Yelp、TripAdvisor或NYTimes等主要网站提供Top-K推荐（例如10个趋势话题、巴黎最佳5家酒店或10篇阅读量最高的新闻故事），其依赖众包流行度信号来筛选条目。然而，人群的不同部分可能具有不同偏好，且存在大量未明确表达意见的沉默多数。此外，人群中常包含机器人、垃圾信息发送者或开展协同活动的用户等角色。当今的推荐算法在很大程度上未考虑此类细微差别，因此易受小型但高度活跃用户群体的策略性操纵。为在推荐top-K条目时公平聚合所有用户的偏好，我们借鉴社会选择理论的先前研究，确定一种称为单转移投票（STV）的投票机制具有我们在top-K条目（选）举中所期望的诸多公平性属性。我们开发了一种创新机制来归属沉默多数的偏好，也使得STV完全可操作。我们通过在两个不同真实世界数据集上实现该方法，展示了我们方法的通用性。通过大量实验并与最先进技术比较，我们表明所提方法提供了最大的用户满意度，并大幅削减了被大多数用户厌恶却被少数用户高度活跃推广的条目。
引用
@article{arxiv.1811.08690,
title = {Equality of Voice: Towards Fair Representation in Crowdsourced Top-K Recommendations},
author = {Abhijnan Chakraborty and Gourab K Patro and Niloy Ganguly and Krishna P. Gummadi and Patrick Loiseau},
journal= {arXiv preprint arXiv:1811.08690},
year = {2018}
}
备注
In the proceedings of the Conference on Fairness, Accountability, and Transparency (FAT* '19). Please cite the conference version