PulseAugur
实时 12:19:47
English(EN) COPF: An Online Framework for Deployment-Stable Counterfactual Fairness in Evolving Graphs

新框架解决演进在线推荐系统中的公平性问题

研究人员开发了COPF,一个旨在确保在线链接推荐系统公平性的新框架,特别是在演进图上运行的系统。该系统解决了性能偏差的挑战,即系统自身的推荐可能会扭曲其用于公平性评估的数据。COPF基于显示链接与未显示链接的反事实定义机会差距,并使用显式探索和倾向性日志记录来估计这些差距。它采用具有图感知双重稳健估计器的残差结果不可区分性来审计和控制公平性,实验表明在对排名效用影响最小的情况下减少了差异。 AI

影响 该框架旨在提高动态推荐系统中公平性指标的可靠性,这对于道德AI部署至关重要。

排序理由 该集群包含一篇研究论文,详细介绍了在线推荐系统的新框架。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.AI 阅读 →

AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →

报道来源 [1]

  1. arXiv cs.AI TIER_1 English(EN) · Sheng'en Li, Dongmian Zou ·

    COPF: An Online Framework for Deployment-Stable Counterfactual Fairness in Evolving Graphs

    arXiv:2606.00700v1 Announce Type: cross Abstract: Online link recommendation on evolving graphs is performative: by choosing which candidate links to show users, the system changes which links form and what feedback it later observes. Consequently, fairness estimates from logged …