hyperFA*IR：基于超几何分布的有限候选池公平排序

排序算法在从搜索引擎到职务申请等众多领域的决策过程中发挥着关键作用。当排序直接影响个人时，确保公平性尤为重要，特别是对于在数据中被边缘化或不足代表的群体。大多数现有组别公平框架通常依赖于确保受保护群体的比例代表，但这些方法在考虑排序过程的随机性或候选池的有限大小方面存在局限。为此，我们提出 hyperFA*IR，一个用于评估和执行来自有限候选集合中排序的公平性框架。它基于超几何分布的生成过程，建模实际情景时对固定群体大小的候选者进行无替换抽样。当顶部 k 选择占据较大比例或受保护群体较小时，此方法能更准确地评估公平性。我们将方法与广泛使用的二项分布模型进行比较，后者将每次抽取视为具有固定概率的独立事件，并展示——两者分析和实证研究——该方法更准确地再现来自有限总体的抽样统计特性。为实现此框架，我们提出一种基于蒙特克罗的算法，有效检测不公平排序，避免计算密集型参数调优。最后，我们将生成方法引入公平政策，通过在抽样过程中引入权重来实现。