面向异构公平性的推荐系统社会选择理论
信息检索
2024-10-08 v1 计算机与社会
机器学习
摘要
推荐系统中的算法公平性需要密切关注多元化利益相关者的需求，而这些利益相关者可能存在相互竞争的利益。此领域的现有工作往往受限于固定的、单目标公平性定义，这些定义内置于算法或优化准则中，适用于单一公平维度，或最多以相同方式跨维度应用。这些狭隘的概念限制了能够灵活应对实际情境中各种利益相关者需求和公平性定义的公平性解决方案。我们的工作从计算社会选择的角度出发，探讨推荐公平性问题。本文我们探讨了不同的社会选择机制的性质，并演示了成功将多个异构公平性定义跨多个数据集集成的能力。
引用
@article{arxiv.2410.04551,
title = {Social Choice for Heterogeneous Fairness in Recommendation},
author = {Amanda Aird and Elena Štefancová and Cassidy All and Amy Voida and Martin Homola and Nicholas Mattei and Robin Burke},
journal= {arXiv preprint arXiv:2410.04551},
year = {2024}
}