文献

J-GLOBAL ID：202202218411596042   整理番号：22A0778057

公平な推奨のための共クラスタリング【JST・京大機械翻訳】

Co-clustering for Fair Recommendation

著者 (3件)： Frisch Gabriel (Universite de Technologie de Compiegne, CNRS, Heudiasyc UMR 7253, Compiegne, France) ,  Leger Jean-Benoist (Universite de Technologie de Compiegne, CNRS, Heudiasyc UMR 7253, Compiegne, France) ,  Grandvalet Yves (Universite de Technologie de Compiegne, CNRS, Heudiasyc UMR 7253, Compiegne, France)
資料名： Communications in Computer and Information Science  (Communications in Computer and Information Science)
巻： 1524  ページ： 607-630  発行年： 2022年 
JST資料番号： W5071A  ISSN： 1865-0929  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： ドイツ (DEU)  言語： 英語 (EN)

抄録/ポイント： 協調フィルタリングはスパース評価行列に依存し,そこでは各ユーザがいくつかの製品を数え,推薦を提案する。この手法は,その規則性が欠測エントリに充填することを可能にする簡単なモデルを持つスパースレイティング行列を近似することから成る。潜在ブロックモデルはそのような近似を提供できる生成共クラスタリングモデルである。本論文では,外因性の敏感な属性が,このモデルに取り込まれ,公正な推薦を行うことを示した。ユーザは,それらの評価と敏感な属性によってのみ特性化されるので,公平性はパリティ基準によってここで測定される。推薦者システムに対する公平性の定義を提案し,ユーザの敏感な属性に依存しない項目ランキングを必要とする。ユーザの分類が統計的パリティを近似的に尊重するならば,著者らのモデルがほぼ公正な推薦を確実にすることを示した。Copyright Springer Nature Switzerland AG 2021 Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 行列 ,  近似法 ,  *クラスタ化 ,  情報収集 ,  方法論 ,  規則度 ,  等級づけ ,  利用者 ,  キャラクタリゼーション ,  公平性
準シソーラス用語： 協調フィルタリング , 【Automatic Indexing@JST】

著者キーワード (6件)： 公平性 ,  レコメンダーシステム ,  共クラスタリング ,  ブロッククラスタリング ,  潜在ブロックモデル ,  統計的パリティ

分類 (3件)： 人工知能  (JE08000Z) ,  市場調査,広告  (KA06030H) ,  その他の情報処理  (JE15050M)

タイトルに関連する用語 (2件)： 推奨 ,  クラスタリング