在存在偏见的现实世界中推荐理想工作
信息检索
2019-05-16 v1 机器学习
社会与信息网络
机器学习
摘要
机器学习模型学习我们教它们学习的东西。机器学习是推荐系统的核心。若机器学习模型在偏见数据上训练,所得推荐系统可能在其推荐中反映这些偏见。偏见在推荐系统的不同阶段产生,从数据中既有的社会偏见(如职业性别差距),到数据收集或建模过程引入的偏见。这些偏见影响推荐系统各组件的性能,从离线训练,到评估,再到生产系统中推荐的在线服务。特定技术可帮助在推荐系统各阶段减少偏见。减少推荐系统中的偏见对于成功向全球数亿会员推荐理想工作至关重要,同时忠于 LinkedIn 的愿景:“为全球劳动力中的每一位成员创造经济机会”。
引用
@article{arxiv.1905.06134,
title = {Recommending Dream Jobs in a Biased Real World},
author = {Nadia Fawaz},
journal= {arXiv preprint arXiv:1905.06134},
year = {2019}
}
备注
Accepted and presented at Grace Hopper Conference, GHC 2017