Fugu-MT 論文翻訳(概要): Facets of Fairness in Search and Recommendation

論文の概要: Facets of Fairness in Search and Recommendation

arxiv url: http://arxiv.org/abs/2008.01194v1
Date: Thu, 16 Jul 2020 16:14:08 GMT
ステータス: 処理完了
システム内更新日: 2023-05-09 06:54:26.229797
Title: Facets of Fairness in Search and Recommendation
Title（参考訳）: 検索・勧告における公正の面
Authors: Sahil Verma, Ruoyuan Gao, Chirag Shah
Abstract要約: 本稿は、関連性、多様性、および関連する概念を定義するための最近の研究について述べる。次に、様々なレコメンデーション設定でフェアネスという新たな概念を説明することに重点を置いている。
参考スコア（独自算出の注目度）: 11.016125123526397
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: Several recent works have highlighted how search and recommender systems exhibit bias along different dimensions. Counteracting this bias and bringing a certain amount of fairness in search is crucial to not only creating a more balanced environment that considers relevance and diversity but also providing a more sustainable way forward for both content consumers and content producers. This short paper examines some of the recent works to define relevance, diversity, and related concepts. Then, it focuses on explaining the emerging concept of fairness in various recommendation settings. In doing so, this paper presents comparisons and highlights contracts among various measures, and gaps in our conceptual and evaluative frameworks.
Abstract（参考訳）: 最近のいくつかの研究は、検索とレコメンダシステムが異なる次元に沿ってバイアスを示す方法を強調している。このバイアスを克服し、検索にある程度の公平さをもたらすことは、関連性と多様性を考えるよりバランスのとれた環境を作るだけでなく、コンテンツ消費者とコンテンツ制作者の両方にとってより持続可能な方法を提供するために重要である。本稿では、関連性、多様性、および関連する概念を定義するための最近の研究について述べる。そして、様々な推奨設定において、公正という新たな概念を説明することに焦点を当てる。そこで本論文では,さまざまな尺度の比較と,概念的および評価的枠組みのギャップについて述べる。

関連論文リスト

Diversity and Inclusion Index with Networks and Similarity: Analysis and its Application [0.8702432681310401]
類似性やネットワーク接続を考慮した多様性と包摂性に関する新たな指標を紹介します。これらの指標の特性を分析し,多様性とネットワークの確立した尺度を用いて,それらの数学的関係を調査した。また、比率、類似度、ネットワーク接続を可視化する手法を作成しました。
論文参考訳（メタデータ） (2024-10-08T03:41:39Z)
Beyond Relevance: Evaluate and Improve Retrievers on Perspective Awareness [56.42192735214931]
検索者は、ドキュメントとクエリ間のセマンティックな関連性に頼るだけでなく、ユーザクエリの背後にある微妙な意図や視点を認識することも期待されている。本研究では,検索者がクエリの異なる視点を認識し,応答できるかどうかを検討する。我々は,現在の検索者はクエリにおいて微妙に異なる視点に対する認識が限られており,特定の視点に偏りがあることを示す。
論文参考訳（メタデータ） (2024-05-04T17:10:00Z)
Knowledge Graph Context-Enhanced Diversified Recommendation [53.3142545812349]
本研究では,知識グラフ(KG)の複雑な文脈における多角化RecSys領域について検討する。私たちのコントリビューションには、革新的なメトリック、エンティティカバレッジ、KGドメイン内の多様性を効果的に定量化するリレーショナルカバレッジの導入が含まれています。そこで本稿では,文脈整合性を維持しつつ,KG項目の埋め込みを符号化するCAU(Conditional Alignment and Uniformity)という新しい手法を紹介する。
論文参考訳（メタデータ） (2023-10-20T03:18:57Z)
Reconciling Predictive and Statistical Parity: A Causal Approach [68.59381759875734]
本稿では,予測パリティに付随する公平度対策のための因果分解式を提案する。統計的および予測パリティの概念は、実際には互いに排他的ではなく、相補的であり、公正の概念のスペクトルにまたがっていることを示す。
論文参考訳（メタデータ） (2023-06-08T09:23:22Z)
A Survey on Fairness-aware Recommender Systems [59.23208133653637]
本稿では,様々なレコメンデーションシナリオにおいてフェアネスの概念を提示し,現在の進歩を包括的に分類し,レコメンデーションシステムのさまざまな段階におけるフェアネスを促進するための典型的な手法を紹介する。次に、フェアネスを意識したレコメンデーションシステムが実業界における産業応用に与える影響について検討する。
論文参考訳（メタデータ） (2023-06-01T07:08:22Z)
Fair Enough: Standardizing Evaluation and Model Selection for Fairness Research in NLP [64.45845091719002]
現代のNLPシステムは様々なバイアスを示しており、モデル偏見に関する文献が増えている。本稿では,その現状を解明し,公正学習における意味ある進歩の道筋を立案することを目的とする。
論文参考訳（メタデータ） (2023-02-11T14:54:00Z)
Operationalizing Framing to Support Multiperspective Recommendations of Opinion Pieces [1.3286165491120467]
コミュニケーション科学から取り入れたフレーミングの概念を運用する。この概念をトピック関連推奨リストの再ランク付けに適用する。オフライン評価の結果,提案手法はレコメンデーションリストの視点の多様性を高めることができることが示された。
論文参考訳（メタデータ） (2021-01-15T14:40:34Z)
Simultaneous Relevance and Diversity: A New Recommendation Inference Approach [81.44167398308979]
本稿では,新しいCF推論手法である負対陽性を導入することにより,一般協調フィルタリング(CF)を拡張した新しい手法を提案する。我々のアプローチは、様々な高度なレベルでの幅広い推奨シナリオ/ユースケースに適用できる。公開データセットと実世界の生産データに関する分析と実験により、我々のアプローチは、関連性および多様性に関する既存の手法を同時に上回ることを示した。
論文参考訳（メタデータ） (2020-09-27T22:20:12Z)
"And the Winner Is...": Dynamic Lotteries for Multi-group Fairness-Aware Recommendation [37.35485045640196]
我々は、以前の文献は単純で一様であり、フェアネスの仮定の単次元の概念に基づいていたと論じる。私たちは、多元的定義と交差する保護されたグループ間の正確性と公平性の間のトレードオフに参入する設計上の決定を明確に表現します。公正な関心事を選択するための宝くじに基づくメカニズムを定式化し、その性能を2つの推奨領域で実証する。
論文参考訳（メタデータ） (2020-09-05T20:15:14Z)
Diversity and Inclusion Metrics in Subset Selection [17.79121536725958]
公平性の倫理的概念は、最近、幅広い制約と目的を記述するために機械学習(ML)設定に応用されている。これらの概念に基づいたメトリクスを導入し、これらを分離して適用し、さらに公正な制約を課す。社会的選択方法は、さらに、集合を集約し、好む集合を選択するために利用することができる。
論文参考訳（メタデータ） (2020-02-09T00:29:40Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。