用于提升推荐系统公平性的 Pareto 成对排序
信息检索
2022-12-21 v1 人工智能
机器学习
摘要
自 2010 年前后提出以来，排序学习已成为一种有效的推荐方法。诸如 Bayesian Personalized Ranking 和 Collaborative Less is More Filtering 等著名算法在学术界和工业界均产生了深远影响。然而，大多数排序学习方法侧重于提高 AUC、MRR 和 NDCG 等技术准确性指标。直到近年来，推荐系统的其他评估指标（如公平性）才在很大程度上受到关注。在本文中，我们提出了一种名为 Pareto 成对排序 (Pareto Pairwise Ranking) 的新排序学习算法。我们的灵感来源于 Bayesian Personalized Ranking 的思想和幂律分布。我们表明，在技术准确性指标上评估时，我们的算法与其他算法相比具有竞争力。更重要的是，在实验部分，我们证明了与另外 9 种当代算法相比，Pareto 成对排序是最公平的算法。
引用
@article{arxiv.2212.10459,
title = {Pareto Pairwise Ranking for Fairness Enhancement of Recommender Systems},
author = {Hao Wang},
journal= {arXiv preprint arXiv:2212.10459},
year = {2022}
}