論文の概要: The Attention Market: Interpreting Online Fair Re-ranking as Manifold Optimization under Walrasian Equilibrium

• arxiv url: http://arxiv.org/abs/2604.25577v1
• Date: Tue, 28 Apr 2026 12:43:57 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-04-29 16:49:17.858055
• Title: The Attention Market: Interpreting Online Fair Re-ranking as Manifold Optimization under Walrasian Equilibrium
• Title（参考訳）: 注意市場:Walrasian Equilibriumの下でのマニフォールド最適化としてのオンラインフェアの解釈
• Authors: Chen Xu, Wei Chu, Wenyu Hu, Fengran Mo, Jun Xu, Maarten de Rijke,
• Abstract要約: 我々は、Walrasian Equilibriumが管理する注目市場枠組みの中で、公正な順位を再設定する。 オンラインフェアリグレードアルゴリズムであるManifoldRankを提案する。
• 参考スコア（独自算出の注目度）: 63.76805218520176
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Fair re-ranking aims to promote long-tail items and enhance diversity within groups in information retrieval. While previous research on online fairness-aware re-ranking has shown promising outcomes, our comprehensive evaluation of online fair re-ranking methods over 20 settings reveals significant performance disparities among existing methods. To uncover the root causes of these inconsistencies, we reformulate fair re-ranking within an attentional market framework governed by a Walrasian Equilibrium, where the fairness is treated as a taxation cost. This market-based formulation is then coupled with manifold optimization, demonstrating that seeking this equilibrium is equivalent to performing gradient descent on a specific ranking manifold constructed by the market. Different re-ranking settings induce distinct manifold geometries, and these intrinsic geometric differences dictate the gradient landscapes and optimization trajectories. We propose ManifoldRank, an efficient online fair re-ranking algorithm. ManifoldRank adjusts gradients to align with the ranking manifold, considering various contextual settings. On the supply side, it incorporates a gradient adjustment based on different fairness requirements, accounting for associated costs. On the demand side, it empirically predicts an additional gradient adjustment term derived from the ranking scores. By integrating these two gradient adjustments, ManifoldRank effectively balances fairness and accuracy. Experimental results across multiple datasets confirm ManifoldRank's effectiveness.
• Abstract（参考訳）: フェアリランクは、情報検索において、ロングテールアイテムを促進し、グループ内の多様性を高めることを目的としている。 オンラインフェアネス・アウェア・リランキングに関するこれまでの研究は有望な成果を示したが、20 以上のオンラインフェア・アウェア・メソッドの総合的な評価は、既存手法との大きなパフォーマンス格差を示している。 これらの不整合の根本原因を明らかにするため、公平性は課税コストとして扱われるWalrasian Equilibriumが支配する注目市場枠組みの中で、公正性を再評価する。 このマーケットベースの定式化は多様体の最適化と結合し、この均衡を求めることは、市場によって構築された特定のランク付け多様体上の勾配降下と等価であることを示す。 異なる再階設定は、異なる多様体のジオメトリーを誘導し、これらの固有の幾何学的差異は、勾配の地形と最適化軌跡を規定する。 オンラインフェアリグレードアルゴリズムであるManifoldRankを提案する。 ManifoldRankは、様々なコンテキスト設定を考慮して、ランク付け多様体に合わせて勾配を調整する。 供給側では、異なる公正要件に基づいて、関連するコストを考慮に入れた勾配調整が組み込まれている。 需要側では、ランキングスコアから派生した追加の勾配調整項を経験的に予測する。 これら2つの勾配調整を統合することで、ManifoldRankは公平性と精度のバランスをとることができる。 複数のデータセットにわたる実験結果から、ManifoldRankの有効性が確認された。

関連論文リスト

• Fairness-aware PageRank via Edge Reweighting [16.39169684970624]
  AIの重要性が高まり、リンク分析における公正性の問題が注目を集めている。 遷移行列の遷移を再重み付けすることで確率を組み込む新しい手法を提案する。 公正さの損失を最小限に抑えることにより、公正な確率を達成する公式を定式化する。
  論文  参考訳（メタデータ） (2025-12-08T21:27:03Z)
• Understanding Accuracy-Fairness Trade-offs in Re-ranking through Elasticity in Economics [96.68144350976637]
  公平さはタスクの再ランク付けにおいてますます重要な要素である。 正確性と公正性のトレードオフは、商品税の移転プロセスの結合と平行である。 評価フレームワークとしてElastic Fairness Curve (EF-Curve)を導入する。 また,等級間距離の調整に弾性計算を利用する等級アルゴリズムであるElasticRankを提案する。
  論文  参考訳（メタデータ） (2025-04-21T09:41:08Z)
• Bipartite Ranking Fairness through a Model Agnostic Ordering Adjustment [54.179859639868646]
  本稿では,二部類ランキングにおける公平性を実現するためのモデルに依存しない後処理フレームワークxOrderを提案する。 xOrderは、教師なしおよび教師なしの公正度メトリックを含む、さまざまな分類モデルとランキングフェアネスメトリクスと互換性がある。 提案アルゴリズムを,4つのベンチマークデータセットと2つの実世界の患者電子健康記録リポジトリ上で評価した。
  論文  参考訳（メタデータ） (2023-07-27T07:42:44Z)
• A Pre-processing Method for Fairness in Ranking [0.0]
  本稿では,データの順序を相互に評価する公平なランキングフレームワークを提案する。 提案手法は,実世界のデータセットに対する精度と公平性のトレードオフにおいて,既存の手法よりも優れていることを示す。
  論文  参考訳（メタデータ） (2021-10-29T02:55:32Z)
• PiRank: Learning To Rank via Differentiable Sorting [85.28916333414145]
  ランク付けのための新しい分類可能なサロゲートであるPiRankを提案する。 ピランクは所望の指標をゼロ温度の限界で正確に回収する。
  論文  参考訳（メタデータ） (2020-12-12T05:07:36Z)
• Towards Model-Agnostic Post-Hoc Adjustment for Balancing Ranking Fairness and Algorithm Utility [54.179859639868646]
  Bipartiteランキングは、ラベル付きデータから正の個人よりも上位の個人をランク付けするスコアリング機能を学ぶことを目的としている。 学習したスコアリング機能が、異なる保護グループ間で体系的な格差を引き起こすのではないかという懸念が高まっている。 本稿では、二部構成のランキングシナリオにおいて、それらのバランスをとるためのモデル後処理フレームワークを提案する。
  論文  参考訳（メタデータ） (2020-06-15T10:08:39Z)
• SetRank: A Setwise Bayesian Approach for Collaborative Ranking from Implicit Feedback [50.13745601531148]
  提案手法は,提案システムにおける暗黙的フィードバックの特性に対応するために,協調的ランキング(SeetRank)のためのセッティングワイドベイズ的手法を提案する。 具体的には、SetRankは、新しい設定された選好比較の後方確率を最大化することを目的としている。 また、SetRankの理論解析により、余剰リスクの境界が$sqrtM/N$に比例できることを示す。
  論文  参考訳（メタデータ） (2020-02-23T06:40:48Z)

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。