在SCRUF中探索用于推荐公平性的社会选择机制

推荐系统中的公平性问题在实践中常具有复杂性，而简化的研究表述未能充分刻画这种复杂性。将公平性问题以社会选择形式化、运行于公平关切的多智能体架构中，为公平性感知推荐方法提供了一种灵活且多面向的替代方案。借助社会选择可提升通用性，并有可能利用成熟的社会选择算法来化解多个相互竞争的公平关切之间的张力。本文利用真实与合成数据，探索了多面向公平性应用中选择机制的多种选项，表明不同类别的选择与分配机制会产生不同但一致的公平性/准确性权衡。我们还表明，多智能体形式化在适应用户群体动态方面具有灵活性。