推荐系统个体物品公平性评估指标批判性研究

公平性是可推荐系统中一个新兴且具挑战性的课题。近年来，出现了多种评估进而改善公平性的方法。本研究考察推荐系统中现有的公平性评估指标。具体而言，我们仅关注面向个体物品的基于曝光的公平性指标，这类指标旨在量化个体物品被推荐给用户时的差异，且与物品对用户的相关性无关。我们收集了所有此类指标并批判性分析其理论性质。我们指出了各自的一系列局限，这些局限 collectively 可能使受影响的指标难以或无法解释、计算，或用于比较推荐结果。我们通过重新定义或修正受影响的指标来解决这些局限，或论证某些局限为何无法解决。我们进一步使用真实与合成数据集，对这些公平性指标的原版与修正版进行了全面的实证分析。我们的分析揭示了基于不同公平性概念以及不同敏感度与严格程度的指标间关系的新见解。最后我们就应使用哪些公平性指标及使用时机给出实用建议。我们的代码已公开。据我们所知，这是首个对推荐系统个体物品公平性指标的批判性比较。