将公平排序视为公平分配：排序中基于影响的个体公平性

排序已成为双边在线市场的主要界面。许多人注意到，排序不仅影响用户(如顾客、听众、雇主、旅客)的满意度，而且排序中的位置为被排条目(如文章、产品、歌曲、求职者、餐厅、酒店)分配了曝光度——进而分配了经济机会。这引发了针对条目的公平性问题，现有多数工作通过将条目曝光度与条目相关性显式关联来解决公平性。然而，我们认为此类关联函数的任何特定选择都难以辩护，并表明所得排序仍可能不公平。为避免这些缺陷，我们发展了植根于公平分配原则的新公理化方法。这不仅避免了选择关联函数的需要，还更有意义地量化了超越曝光度对条目的影响。我们的无嫉妒性和优于均匀排序支配性公理假定，对于公平排序策略，每个条目应偏好自身的排序分配甚于任何其他条目的分配，且任何条目都不应被排序主动置于不利地位。为计算依这些公理公平的排序策略，我们提出了与纳什社会福祉相关的新的排序目标。我们证明该解在无嫉妒性、对每个条目优于均匀排序的支配性及其帕累托最优性方面具有保证。相反，我们表明传统基于曝光度的公平性会产生大量嫉妒并对条目产生高度差异化影响。除这些理论结果外，我们实证说明了我们的框架如何控制基于影响的个体条目公平性与用户效用之间的权衡。