量化用户注意力对排序列表中公平群体表示的影响
计算机与社会
2019-05-14 v2
摘要
在这项工作中,我们引入了一种用于审计排序列表中群体公平性的新度量。与现有最优方法相比,我们的方法有两个优点。首先,我们提供了用户注意力建模的蓝图。我们不是假设重要性随排名呈对数衰减,而是通过参数化来考虑不同的用户行为。例如,我们期望用户在浏览社交媒体信息流时比在查看单次网络搜索查询的结果列表时看到更多条目。其次,我们允许非二元受保护属性,以便研究固有的连续属性(例如从自由派到保守派的政治倾向),并促进跨聚合结果集的度量,而不是对每个结果列表分别度量。通过将这两个要素结合到我们的度量中,我们能够更好地解决该问题中固有的人为因素。我们度量整个社会技术系统,包括排序算法和使用它的个体,而不是仅关注排序算法。最后,我们使用我们的度量进行了三次模拟公平性审计。我们表明,确定排序输出的公平性需要了解(或建模)特定服务的终端用户。根据其注意力分布函数,固定的结果排序可能看起来既偏向也有利于某个受保护群体,也可能对其不利。
引用
@article{arxiv.1901.10437,
title = {Quantifying the Impact of User Attention on Fair Group Representation in Ranked Lists},
author = {Piotr Sapiezynski and Wesley Zeng and Ronald E. Robertson and Alan Mislove and Christo Wilson},
journal= {arXiv preprint arXiv:1901.10437},
year = {2019}
}