Key points are not available for this paper at this time.
우리는 역사적 데이터에 존재하는 차별에 민감한 협업 필터링 추천 시스템에서의 공정성을 연구한다. 편향된 데이터는 협업 필터링 방법이 소수 집단의 사용자에 대해 불공정한 예측을 하게 만들 수 있다. 우리는 기존 공정성 지표의 불충분함을 확인하고, 다양한 형태의 불공정성을 해결하는 네 가지 새로운 지표를 제안한다. 이 공정성 지표는 학습 목표에 공정성 항을 추가하여 최적화할 수 있다. 합성 데이터 및 실제 데이터에 대한 실험은 우리의 새로운 지표가 기준보다 공정성을 더 잘 측정할 수 있음을 보여주며, 공정성 목표가 불공정성 감소에 효과적으로 기여함을 입증한다.
Yao et al. (수요일) 이 질문을 연구하였다.
Synapse has enriched 5 closely related papers on similar clinical questions. Consider them for comparative context: