专栏首页arxiv.org翻译专栏控制动态学习排名中的公平和偏差(CS IR)
原创

控制动态学习排名中的公平和偏差(CS IR)

排名是许多在线平台将用户与物品(如新闻、产品、音乐、视频)进行匹配的主要界面。在这些两面性市场中,不仅用户从排名中汲取效用,而且排名也决定了物品提供者(如出版商、卖家、艺人、工作室)的效用(如曝光率、收入)。我们已经注意到,几乎所有的排序学习算法(learning-to-rank algorithms)都是通过近似地优化用户的效用,这对项目提供者来说是不公平的。因此,我们提出了一种排序学习的方法,用于明确地对项目组(例如同一出版商的文章、同一艺术家的曲目)进行基于绩效的公平性保证。特别的是,我们提出了一种学习算法,在确保摊销组公平性概念的同时,同时从隐含反馈数据中学习排名函数。该算法采用控制器的形式,集成了公平性和效用的无偏估计器,当更多的数据可用时,可以动态地调整这两方面的算法。除了严格的理论基础和收敛性保证外,我们在经验上发现该算法具有很强的实用性和鲁棒性。

原文题目:Controlling Fairness and Bias in Dynamic Learning-to-Rank

原文:Rankings are the primary interface through which many online platforms match users to items (e.g. news, products, music, video). In these two-sided markets, not only the users draw utility from the rankings, but the rankings also determine the utility (e.g. exposure, revenue) for the item providers (e.g. publishers, sellers, artists, studios). It has already been noted that myopically optimizing utility to the users, as done by virtually all learning-to-rank algorithms, can be unfair to the item providers. We, therefore, present a learning-to-rank approach for explicitly enforcing merit-based fairness guarantees to groups of items (e.g. articles by the same publisher, tracks by the same artist). In particular, we propose a learning algorithm that ensures notions of amortized group fairness, while simultaneously learning the ranking function from implicit feedback data. The algorithm takes the form of a controller that integrates unbiased estimators for both fairness and utility, dynamically adapting both as more data becomes available. In addition to its rigorous theoretical foundation and convergence guarantees, we find empirically that the algorithm is highly practical and robust.

原文作者:Marco Morik, Ashudeep Singh, Jessica Hong, Thorsten Joachims

原文地址:https://arxiv.org/abs/2005.14713

原创声明,本文系作者授权云+社区发表,未经许可,不得转载。

如有侵权,请联系 yunjia_community@tencent.com 删除。

我来说两句

0 条评论
登录 后参与评论

相关文章

  • 基于云计算的人脸和语音识别应用于门禁控制应用(CS CV)

    本文介绍了一种通过人脸图像和语音文字识别来识别想要进入实体办公室的员工和访客的系统应用。该系统通过人脸识别帮助员工解锁入口门,不需要标签钥匙或卡片。为了防止恶意...

    刘持诚
  • Beyond Leaderboards:揭示自然语言推理数据和模型中弱点的方法调查(CS CL)

    近年来,分析自然语言推理(NLI)数据集的表面线索的出版物越来越多,它们是否破坏了这些数据集的基础任务的复杂性,以及它们如何影响那些在这些数据上进行优化和评估的...

    刘持诚
  • 用于共享控制机器人的主动意图消歧(CS RO)

    辅助性的共享控制机器人有可能改变数百万受严重运动障碍困扰的人的生活。共享控制机器人的实用性通常依赖于其底层的自主性推断用户需求和意图的能力,而这种消除歧义的能力...

    刘持诚
  • 论编程练习的性质(CS CY)

    科学研究中引用了无数原因来解释编程学习中的困难。原因包括对象的复杂性,无效的教学方法和学习方法,以及心理方面的因素,例如动机不足。尽管如此,学习编程常常归结为练...

    小童
  • tf.contrib.layers.batch_norm

    版权声明:本文为博主原创文章,遵循 CC 4.0 BY-SA 版权协议,转载请附上原文出处链接和本声明。 ...

    于小勇
  • CodeForces Roads not only in Berland(并查集)

    H - Roads not only in Berland Time Limit:2000MS     Memory Limit:262144KB    ...

    ShenduCC
  • Ultimate Guide to Instant Messaging for Business 2019

    The idea of instant messaging for business has been brewing for some time. A wav...

    Spanz
  • ros远程控制及远程显示

    2025 roslaunch roch_teleop keyboard_teleop.launch

    用户1908973
  • 【论文推荐】最新5篇自动问答相关论文——多关系自动问答、知识图谱联合实体和关系、生物医学问题、维基百科语料数据、多句式旅游推荐

    【导读】专知内容组整理了最近自动问答相关文章,为大家进行介绍,欢迎查看! 1. An Interpretable Reasoning Network for M...

    WZEARW
  • 复合型极端气候:机器学习,统计方法和动力模拟

    最近Frontiers in Earth Science期刊组织一个专刊/专题 “复合型极端气候:机器学习,统计方法和动力模拟”。主要关注洪水,干旱,热浪,极端...

    bugsuse

扫码关注云+社区

领取腾讯云代金券