研究人员引入了一种名为距离帕累托前沿(DPFR)的新方法,用于联合评估推荐系统的公平性和相关性。该方法解决了现有方法在单独评估这些方面或提供不平衡联合评估方面的局限性。DPFR利用相关性和公平性分数的帕累托前沿来表示最优权衡,提供了一个模块化且直观的联合分数。在多个数据集和推荐器上的实验表明,DPFR比当前的联合评估技术更鲁棒,并为其有效使用提供了指导。 AI
影响 为评估由AI驱动的推荐系统提供了一个更鲁棒的框架,有可能改善用户体验和伦理考量。
排序理由 介绍推荐系统新评估方法的学术论文。[lever_c_demoted from research: ic=1 ai=1.0]
在 arXiv cs.IR (Information Retrieval) 阅读 →
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →