搜索与推荐系统中的公平性感知排序及其在领英人才搜索中的应用

我们提出了一个用于量化和缓解个体排序机制中算法偏见的框架，该类机制通常作为大规模网页搜索与推荐系统的一部分使用。我们首先提出互补性度量，以量化针对性别和年龄等受保护属性的偏见。随后给出计算公平性感知重排序结果的算法。对于给定的搜索或推荐任务，我们的算法力求在顶部排序结果中针对一个或多个受保护属性实现期望的分布。我们展示了该框架可依据期望分布的选择，量身定制以实现机会均等和人口均等等公平性准则。我们通过针对不同参数选择的大量仿真评估所提算法，并研究公平性感知排序对偏见与效用度量的影响。最后，我们呈现了将框架应用于领英人才搜索中代表性排序的在线 A/B 测试结果，并讨论实践中的经验教训。我们的方法使公平性指标得到巨大提升（具有代表性结果的搜索查询数量近乎三倍增长），且未影响业务指标，这为向全球 100% 的领英招聘者用户部署铺平了道路。我们的方法是招聘领域首个大规模部署的公平性保障框架，对超过 6.3 亿领英会员具有潜在积极影响。