推荐系统中流行度偏差、校准与公平性之间的联系
信息检索
2020-08-24 v1
摘要
近年来，人们对公平性感知的推荐系统越来越感兴趣，包括在为不同用户或用户组提供一致性能方面的公平性。如果推荐未能公平地代表某一用户组的偏好，而其他组收到的推荐与其偏好一致，则该推荐系统可被视为不公平。在本文中，我们使用一种称为失校准（miscalculation，即 miscalibration）的指标来衡量推荐算法对用户真实偏好的响应程度，并考察不同算法可能如何导致不同用户的不同程度失校准。特别地，我们推测流行度偏差（推荐中一种众所周知的现象）是导致推荐失校准的一个重要因素。我们使用两个真实世界数据集的实验结果表明，不同用户组受算法流行度偏差影响的方式与其对流行项目的兴趣程度之间存在联系。此外，我们表明，一个组受算法流行度偏差影响越大，其推荐失校准程度越高。
引用
@article{arxiv.2008.09273,
title = {The Connection Between Popularity Bias, Calibration, and Fairness in Recommendation},
author = {Himan Abdollahpouri and Masoud Mansoury and Robin Burke and Bamshad Mobasher},
journal= {arXiv preprint arXiv:2008.09273},
year = {2020}
}
备注
Accepted at the 14th ACM Conference on Recommender Systems (RecSys 2020) Late Breaking Results Track. arXiv admin note: substantial text overlap with arXiv:1910.05755