基于提示的推荐选择性公平
信息检索
2022-07-06 v2
摘要
推荐公平性近来受到广泛关注。在真实系统中，用户通常具有多个敏感属性（如年龄、性别和职业），且用户可能不希望其推荐结果受这些属性影响。此外，在公平感知建模中应考虑哪些用户属性以及何时考虑，应取决于用户的具体需求。本文中，我们定义了选择性公平任务，用户可灵活选择推荐模型应对哪些敏感属性保持无偏。我们提出一种新颖的基于参数的高效提示公平感知推荐（PFRec）框架，其依赖于带对抗训练的属性特定提示偏置消除器，在序列推荐上以不同属性组合实现选择性公平。我们同时考虑了任务特定和用户特定的提示。我们进行了充分评估以验证PFRec在选择性公平上的优越性。源代码发布于 \url{https://github.com/wyqing20/PFRec}。
引用
@article{arxiv.2205.04682,
title = {Selective Fairness in Recommendation via Prompts},
author = {Yiqing Wu and Ruobing Xie and Yongchun Zhu and Fuzhen Zhuang and Xiang Ao and Xu Zhang and Leyu Lin and Qing He},
journal= {arXiv preprint arXiv:2205.04682},
year = {2022}
}
备注
Accepted by SIGIR 2022