优化广义基尼指数以实现排序中的公平性

人们越来越关注设计旨在对物品提供方或其最不满意用户公平的推荐系统。受经济学中不平等度量领域的启发，本文探索使用广义基尼福利函数（GGFs）作为指定推荐系统应优化之规范性准则的手段。GGFs 根据个体在总体中的排名对其赋权，给予处境较差个体更大权重以促进平等。依据这些权重，GGFs 可最小化物品曝光的基尼指数以促进物品间平等，或聚焦于最不满意用户特定分位数的表现。用于排序的 GGFs 由于不可微而难以优化。我们通过借助非光滑优化工具和可微排序中使用的投影算子解决了这一挑战。我们使用多达 15k 用户和物品的真实数据集进行了实验，结果表明我们的方法在多种推荐任务和公平性准则上获得了优于基线的权衡。