通过避免反馈循环实现公平个性化
信息检索
2020-12-24 v1 机器学习
机器学习
摘要
自我强化的反馈循环既是交互式推荐系统中某些内容过度和/或欠展示的原因,也是其结果。这导致错误的用户偏好估计,即对过度展示内容的过高估计,同时侵犯了每个候选项被展示的权利,我们将其反面定义为公平系统。我们考虑两个模型,它们分别显式地纳入或忽略对候选项的系统且有限的曝光。通过模拟,我们证明忽略系统展示会高估被推广的选项而低估被审查的候选项。简单地以有限曝光为条件可纠正这些偏差。
引用
@article{arxiv.2012.12862,
title = {Towards Fair Personalization by Avoiding Feedback Loops},
author = {Gökhan Çapan and Özge Bozal and İlker Gündoğdu and Ali Taylan Cemgil},
journal= {arXiv preprint arXiv:2012.12862},
year = {2020}
}
备注
NeurIPS 2019 Workshop on Human-Centric Machine Learning