不完全曝光估计下的曝光公平性

曝光公平性是排序系统中常用的公平性概念。其基于这样一种理念：所有物品或物品组应获得与物品价值或组内物品集体价值成比例的曝光。通常，随机排序策略被用于确保曝光公平性。先前的工作不切实际地假设我们能够可靠估计随机策略产生的每个排序中所有物品的期望曝光。在本文中，我们探讨在策略包含由于物品间依赖关系而无法可靠估计曝光分布的排序时，如何处理曝光公平性。在此类情况下，我们无法判定该策略是否可被视为公平。本文的贡献有两点。首先，我们定义了一种称为FELIX的方法，用于寻找随机排序策略，避免向用户展示曝光分布未知的排序，且无需在用户效用或物品公平性上妥协。其次，我们将曝光公平性的研究扩展至top-k设定，并在该设定下评估FELIX。我们发现，与现有公平排序方法相比，FELIX能显著减少曝光分布未知的排序数量，且在全长度和top-k排序中均未造成用户效用或公平性的下降。这是在开发针对用户行为知识不完备情形的公平排序方法方面的重要第一步。