実用的構成公平性:多成分レコメンダーシステムにおける公平性の理解【JST・京大機械翻訳】

Wang Xuezhi; Thain Nithum; Sinha Anu; Prost Flavien; Chi Ed H.; Chen Jilin; Beutel Alex

プレプリント

J-GLOBAL ID：202202210076530504 整理番号：21P0019203

実用的構成公平性:多成分レコメンダーシステムにおける公平性の理解【JST・京大機械翻訳】

Practical Compositional Fairness: Understanding Fairness in Multi-Component Recommender Systems

出版者サイト {{ this.onShowPLink() }} 複写サービスで全文入手
高度な検索・分析はJDreamⅢで

この文献はプレプリントです。プレプリントについてはこちらをご確認ください。

著者 (7件)： , , , , , ,
資料名：
発行年： 2019年11月05日プレプリントサーバーでの情報更新日： 2021年01月25日
JST資料番号： O7000B 資料種別：プレプリント
記事区分：プレプリント発行国：アメリカ合衆国 (USA) 言語：英語 (EN)

公平性を考慮に入れるために推薦システムを構築することができる。実世界推薦システムは,複数のチームにより構築された複数のモデルから成ることが多い。しかし,公平性に関するほとんどの研究は,単一モデルにおける公平性の改善に焦点を合わせている。さらに,分類公平性に関する最近の研究は,多重「フェア」分類器を結合することが,まだ「不公平」分類システムに帰着することを示した。これは,複数のコンポーネントから成る推薦システムにおける公平性を理解し,改善する方法の重大な挑戦を示す。本論文では,推薦者公平性の構成性を研究した。2つの最近提案された公平性ランキングメトリック,すなわち曝露の同等性とペアワイズランキング精度を考察した。推薦における公平性は構成するには保証されないが,個々のモデルの公平性が構成される一連の条件に対して理論を提供することを示した。次に,実際のシステムの信号が組成公平性を達成でき,どの成分が全体のシステムの公平性に最も大きな影響を与えるかを,理解するための解析フレームワークを提示した。理論的結果に加えて,大規模実世界推薦システムを含む多重データセット,すなわち,全体のシステムのエンドツーエンド公平性は,個々のコンポーネントにおける公平性を改善することにより,大部分が達成可能であることを見出した。【JST・京大機械翻訳】

, , ,
, 【Automatic Indexing@JST】

オペレーティングシステム , 計算機網 , 無線通信一般

前のページに戻る