تحديد عدم اليقين لتحقيق العدالة في أنظمة التوصية ذات المرحلتين

تتكون العديد من أنظمة التوصية الكبيرة النطاق من مرحلتين. تقوم المرحلة الأولى بكفاءة بتصفية مجموعة العناصر الكاملة للعثور على مجموعة صغيرة من المرشحين الواعدين، حيث يقوم نموذج المرحلة الثانية بتنقيح التوصيات النهائية. في هذه الورقة، نحقق في كيفية ضمان العدالة الجماعية للعناصر في هذه الهيكلية ذات المرحلتين. على وجه الخصوص، نجد أن أنظمة التوصية الموجودة في المرحلة الأولى قد تختار مجموعة غير عادلة بشكل لا يمكن استعادته من المرشحين بحيث لا توجد أمل في أن تقدم نظام التوصية في المرحلة الثانية توصيات عادلة. لتحقيق هذه الغاية، ودافعًا من التقدم الأخير في تحديد عدم اليقين، نقترح قاعدتين لاختيار السياسة الحدية يمكن أن توفر ضمانات غير معتمدة على التوزيع وعينة نهائية بشأن العدالة في أنظمة التوصية في المرحلة الأولى. بشكل أكثر تحديدًا، بالنظر إلى أي نموذج ملاءمة للاستعلامات والعناصر وحدود ثقة أدنى نقطية بشأن العدد المتوقع من العناصر ذات الصلة لكل سياسة حدية، تجد القاعدتان مجموعات مرشحة قريبة من الأمثل تحتوي على ما يكفي من العناصر ذات الصلة في التوقع من كل مجموعة من العناصر. لتطبيق القواعد، نظهر كيفية اشتقاق هذه الحدود الثقة من بيانات تعليقات المستخدمين المحتملة غير الكاملة والمتحيزة، والتي تتوفر بكثرة في العديد من أنظمة التوصية الكبيرة النطاق. بالإضافة إلى ذلك، نقدم تحليلات لكل من العينة النهائية والتحليل الحدودي حول مدى قرب القاعدتين لاختيار الحدود المثلى. بالإضافة إلى هذا التحليل النظري، نظهر تجريبيًا أن هاتين القاعدتين يمكنهما باستمرار اختيار ما يكفي من العناصر ذات الصلة من كل مجموعة مع تقليل حجم مجموعات المرشحين لتشكيلة واسعة من الإعدادات.