論文の概要: Hidden Disparities in Ranking: Category-Aware Fairness via Distributional Stability

• arxiv url: http://arxiv.org/abs/2610.40182v1
• Date: Thu, 29 Oct 2026 14:43:26 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-31 05:25:12.520337
• Title: Hidden Disparities in Ranking: Category-Aware Fairness via Distributional Stability
• Title（参考訳）: ランク付けにおける隠された差異:分布安定性によるカテゴリー認識フェアネス
• Abstract要約: 推薦システムにおける公正ランキングの問題について検討する。 我々は、ランク付けポリシーが置換よりも分布する形式的確率的枠組みを提供する。 ユーザグループ間でのユーティリティパリティと、カテゴリ対応の洗練について検討する。
• 参考スコア（独自算出の注目度）: 3.1978436369697882
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: We study the problem of fair ranking in recommender systems. We provide a formal probabilistic framework in which ranking policies are distributions over permutations, and the utility of a user is the exposure given to the items they interact with, relative to that of an ideal ranking. We consider utility parity across user groups, as well as its category-aware refinement, conditional utility parity, which requires parity within each category of items. Following a recent view of fairness as distributional stability, we show that both criteria are equivalent to the stability of the utility under changes in the composition of user groups. Optimizing over mixtures of ranking policies leads to a second-order cone program, for which we provide generalization bounds. A numerical study validates our theoretical findings.
• Abstract（参考訳）: 推薦システムにおける公正ランキングの問題について検討する。 我々は,ランク付けポリシーが順列よりも分布する形式的確率的枠組みを提供し,ユーザの実用性は,理想的なランク付けよりも,対話するアイテムに与えられる露出である。 ユーザグループ間でのユーティリティパリティ、およびカテゴリ対応の洗練、条件付きユーティリティパリティについて検討する。 分布安定性としての公平性に対する最近の見解に従えば,両基準は,ユーザグループ構成の変化によるユーティリティの安定性と等価であることを示す。 ランク付けポリシーの混合を最適化することは、一般化境界を提供する2階コーンプログラムに繋がる。 数値的な研究により、我々の理論的な結果が検証される。

関連論文リスト

• A fairness-aware extension of Stochastic Multicriteria Acceptability Analysis for ranking [5.32836690371986]
  本稿では、ランキング問題に対するSMAAの公平性を考慮した拡張であるSMAA-Fairを提案する。 フレームワークはアグリゲーションモデルとは独立しており、さまざまなフェアネスメトリクスを組み込むことができる。 合成および実データを用いた数値実験により、SMAA-Fairは好適なランク位置における保護されたグループの表現を改善することが示された。
  論文  参考訳（メタデータ） (2026-06-16T10:21:28Z)
• Producer-Fairness in Sequential Bundle Recommendation [62.22091013241362]
  我々は、レコメンデーションセッションにおいて、ユーザ間で異なるアイテムグループに望ましい露出を実現するために、プロデューサフェールネスを形式化する。 この問題の小さな事例に対処する正確な解決策を提案する。 次に、品質優先と公平優先の2点と、バンドルの公平性と品質の適切なバランスをオンザフライで決定する適応的変種について検討する。
  論文  参考訳（メタデータ） (2025-06-25T11:24:52Z)
• Quantifying Query Fairness Under Unawareness [82.33181164973365]
  本稿では,二項分類を超えた複数の機密属性を効果的に処理する定量化に基づく頑健な公正度推定手法を提案する。 提案手法は, 様々な属性にまたがる既存のベースラインよりも優れており, 未知の公正度を測定するための信頼性の高いプロトコルを最初に確立した。
  論文  参考訳（メタデータ） (2025-06-04T16:31:44Z)
• Stability and Multigroup Fairness in Ranking with Uncertain Predictions [61.76378420347408]
  我々の研究はランキング関数について考察している。分類タスクの個々の予測からランキング上の分布へのマップ。 ランキング関数の2つの側面、すなわち予測における摂動に対する安定性と、個人とサブグループの両方に対する公正性に焦点を当てる。 我々の研究は、不確実性に敏感なランキングが、グループと個人レベルの公正性の保証とを自然に補間していることを示している。
  論文  参考訳（メタデータ） (2024-02-14T17:17:05Z)
• Fairness in Ranking under Disparate Uncertainty [24.401219403555814]
  我々は、基礎となる関連モデルの不確実性がオプション群間で異なる場合、ランク付けは不公平をもたらす可能性があると論じる。 ランク付けのための新しい公正基準として平等ランク付け(EOR)を提案する。 異なる不確実性が存在する場合でも、EORは関連する選択肢の中でグループワイドフェア・宝くじに対応していることを示す。
  論文  参考訳（メタデータ） (2023-09-04T13:49:48Z)
• 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)
• 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。