利用变分自编码器为未见用户提供更公平的推荐
信息检索
2023-08-30 v1 人工智能
机器学习
摘要
机器学习中一个新兴的公平性定义要求模型对人口统计用户信息不可知，例如用户的性别或年龄不应影响模型。个性化推荐系统因其显式的用户关注和用户建模而特别容易违反该定义。显式用户建模也是导致许多推荐系统无法为迄今未出现的用户提供推荐的一个方面。我们提出了新方法来缓解基于变分自编码器（Variational Autoencoder）的推荐系统中的歧视，通过限制人口统计信息的编码实现。这些方法能够并且已在为训练数据中未表示的用户提供公平推荐方面进行了评估。
引用
@article{arxiv.2308.15230,
title = {Providing Previously Unseen Users Fair Recommendations Using Variational Autoencoders},
author = {Bjørnar Vassøy and Helge Langseth and Benjamin Kille},
journal= {arXiv preprint arXiv:2308.15230},
year = {2023}
}
备注
Appearing in RecSys 2023 proceedings