FaiREO：课程推荐中机会均等的用户群体公平性
计算机与社会
2021-09-14 v1 机器学习
摘要
高校学生的课程选择具有挑战性。现有课程推荐系统向学生提供相关建议，并帮助其探索可用课程。被推荐的课程会影响学生对专业项目、未来就业乃至社会经济地位的选择。本文关注识别并缓解课程推荐系统中可能存在的偏差。我们努力通过建议向所有学生群体促进均衡机会。同时，我们需要向所有受保护群体提供高质量的推荐。我们将方法表述为多目标优化问题，并研究机会均等与质量之间的权衡。我们使用真实世界与合成数据集评估方法。结果表明，我们能显著改善机会均等方面的公平性，但会引入一定的质量损失。在测试的四种方法中，GHC-Inc 与 GHC-Tabu 表现最佳，且具有不同的优势特征。
引用
@article{arxiv.2109.05931,
title = {FaiREO: User Group Fairness for Equality of Opportunity in Course Recommendation},
author = {Agoritsa Polyzou and Maria Kalantzi and George Karypis},
journal= {arXiv preprint arXiv:2109.05931},
year = {2021}
}
备注
30 pages