私有化推荐系统：用户如何在无日志数据下构建自身的公平推荐系统？
信息检索
2022-01-20 v2
摘要
公平性是推荐系统的一项关键属性。尽管近期部分在线服务已采用公平性感知系统，许多其他服务尚未采用。在本工作中，我们提出使用户能够构建自身公平推荐系统的方法。即便服务提供方未（或无法）提供公平推荐系统，我们的方法仍能生成公平推荐。关键挑战在于用户无法访问其他用户的日志数据或物品的潜在表示。这一限制使我们无法采用为服务提供方设计的现有方法。主要思路是用户可访问由服务提供方给出的不公平推荐结果。我们的方法利用不公平推荐系统的输出来构建一个新的公平推荐系统。我们通过实验验证，所提方法在基本不损害原始不公平系统性能的前提下显著提升了公平性。
引用
@article{arxiv.2105.12353,
title = {Private Recommender Systems: How Can Users Build Their Own Fair Recommender Systems without Log Data?},
author = {Ryoma Sato},
journal= {arXiv preprint arXiv:2105.12353},
year = {2022}
}
备注
SDM 2022