仅打分是不够的：解决排序中效用-公平权衡的鸿沟

打分函数用于表示单个文档的相关性。在现代信息检索或推荐系统中，它们常从数据学习，并在对文档或条目集合排序以最大化对查询或用户的效用方面起关键作用。随着近期对算法公平的兴趣，打分的成功自然催生了同时权衡公平与效用的打分学习方法。本工作中，我们表明与以效用为中心的目标截然相反，打分在实现所有效用-公平权衡上均为次优。我们用一系列具通用公平性表述的反例确立此点。我们表明无论具有确定性打分函数或随机打分函数，无论在单查询还是跨多查询范围度量公平，该问题均持续存在。在积极一面，我们经实证证明半贪心后处理有潜力实现更佳权衡，常以可处理方式逼近穷举后处理的理想情形。