論文の概要: Inclusive Ethical Design for Recommender Systems
- arxiv url: http://arxiv.org/abs/2209.13021v1
- Date: Tue, 13 Sep 2022 20:38:39 GMT
- ステータス: 処理完了
- システム内更新日: 2022-10-02 23:50:09.870480
- Title: Inclusive Ethical Design for Recommender Systems
- Title(参考訳): レコメンダシステムのための包括的倫理設計
- Authors: Susan Leavy
- Abstract要約: 本稿では,レコメンデータシステムの倫理設計における基本原則を提案する。
これは、これらの原則の遵守を保証するための現在のアプローチが、青少年ユーザーの特定のニーズと潜在的な脆弱性を十分に包含しているかどうかを評価する。
- 参考スコア(独自算出の注目度): 3.0839245814393723
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Recommender systems are becoming increasingly central as mediators of
information with the potential to profoundly influence societal opinion. While
approaches are being developed to ensure these systems are designed in a
responsible way, adolescents in particular, represent a potentially vulnerable
user group requiring explicit consideration. This is especially important given
the nature of their access and use of recommender systems but also their role
as providers of content. This paper proposes core principles for the ethical
design of recommender systems and evaluates whether current approaches to
ensuring adherence to these principles are sufficiently inclusive of the
particular needs and potential vulnerabilities of adolescent users.
- Abstract(参考訳): 情報仲介者としてのレコメンダシステムは、社会的な意見に深く影響を及ぼす可能性が高くなってきています。
これらのシステムが責任ある方法で設計されることを保証するアプローチが開発されているが、特に青年期は、明確な考慮を必要とする潜在的に脆弱なユーザーグループを表している。
これは、レコメンダシステムへのアクセスと利用の性質だけでなく、コンテンツ提供者としての役割も考慮し、特に重要である。
本稿では,レコメンデータシステムの倫理設計における基本原則を提案し,これらの原則の遵守を保証するための現在のアプローチが,青年期のユーザのニーズや潜在的な脆弱性を十分に含んでいるかどうかを評価する。
関連論文リスト
- Neural Contextual Bandits for Personalized Recommendation [49.85090929163639]
本チュートリアルでは、パーソナライズされたレコメンデーションのための強力なフレームワークとして、コンテキスト帯について検討する。
我々は、リコメンデーターシステムにおける「マシュー効果」を緩和するために、文脈的盗賊の探索的視点に焦点を当てる。
従来の線形文脈包帯に加えて、我々は神経文脈包帯にも焦点をあてる。
論文 参考訳(メタデータ) (2023-12-21T17:03:26Z) - RecRec: Algorithmic Recourse for Recommender Systems [41.97186998947909]
特定の予測やレコメンデーションを行う上で、すべての利害関係者がモデルの理論的根拠を理解することが不可欠です。
これは、リコメンデーションシステムに依存するコンテンツプロバイダにとって特に当てはまります。
本稿では,コンテンツ提供者を対象としたレコメンデーションシステムのためのレコメンデーションフレームワークを提案する。
論文 参考訳(メタデータ) (2023-08-28T22:26:50Z) - Incorporating Recklessness to Collaborative Filtering based Recommender
Systems [63.732639864601914]
本稿では,行列因数分解に基づくレコメンデータシステムの学習過程における「無謀性」という新しい用語の導入を提案する。
実験結果から、無謀性はリスクレギュレーションだけでなく、予測の量や品質も改善することが示された。
論文 参考訳(メタデータ) (2023-08-03T21:34:00Z) - User-Controllable Recommendation via Counterfactual Retrospective and
Prospective Explanations [96.45414741693119]
本稿では,説明可能性と可制御性をシームレスに統合するユーザ制御型レコメンデータシステムを提案する。
反ファクト推論を通じて、ふりかえりと予測的な説明の両方を提供することで、ユーザーはシステムに対する制御をカスタマイズできる。
論文 参考訳(メタデータ) (2023-08-02T01:13:36Z) - 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) - A Comprehensive Survey on Trustworthy Recommender Systems [32.523177842969915]
本稿では,信頼に値するレコメンダシステム (TRec) の概要について概説する。
それぞれの側面について、最近の技術についてまとめ、信頼性の高いレコメンデータシステムの実現を支援する研究の方向性について論じる。
論文 参考訳(メタデータ) (2022-09-21T04:34:17Z) - Towards Personalized Fairness based on Causal Notion [18.5897206797918]
本稿では,逆学習による対実的公正なレコメンデーションを実現するための枠組みを提案する。
提案手法は,推奨性能の高いユーザに対して,より公平なレコメンデーションを生成できる。
論文 参考訳(メタデータ) (2021-05-20T15:24:34Z) - Fairness and Transparency in Recommendation: The Users' Perspective [14.830700792215849]
公平性認識型レコメンダーシステムのユーザ視点について考察する。
フェアネス対応レコメンダーシステムのユーザ理解と信頼を向上させる3つの機能を提案します。
論文 参考訳(メタデータ) (2021-03-16T00:42:09Z) - Knowledge Transfer via Pre-training for Recommendation: A Review and
Prospect [89.91745908462417]
実験による推薦システムに対する事前学習の利点を示す。
事前学習を伴うレコメンデータシステムの今後の研究に向けて,いくつかの将来的な方向性について論じる。
論文 参考訳(メタデータ) (2020-09-19T13:06:27Z) - Survey for Trust-aware Recommender Systems: A Deep Learning Perspective [48.2733163413522]
信頼できるレコメンデーションシステムを採用することが重要になります。
本調査では,信頼を意識したレコメンデータシステムの3つのカテゴリについて概説する。
論文 参考訳(メタデータ) (2020-04-08T02:11:55Z)
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。
指定された論文の情報です。
本サイトの運営者は本サイト(すべての情報・翻訳含む)の品質を保証せず、本サイト(すべての情報・翻訳含む)を使用して発生したあらゆる結果について一切の責任を負いません。