⏶2
通往公平的阶梯:连接群体和个体公平
发表
由
TVR 提交
作者:
Theresia Veronika Rampisela, Maria Maistro, Tuukka Ruotsalo, Falk Scholer, Christina Lioma
摘要
推荐系统(RSs)中的公平性通常分为群体公平性和个体公平性。然而,这两种公平类型之间的关系尚未有成熟的科学认识,因为之前对这两种公平类型的工作使用了不同的评估指标或评估目标,因此无法进行proper(适当的)比较。因此,目前尚不清楚增加一种公平性类型可能会如何影响另一种。为了弥补这一差距,我们通过对可用于两种公平类型的评估指标进行全面比较,研究了群体公平性和个体公平性之间的关系。我们在 3 个数据集上进行的 8 次实验表明,对群体高度公平的推荐对个体可能非常不公平。我们的发现对于旨在提高系统公平性的 RS 实践者来说是新颖且有用的。我们的代码可在以下网址获取:https://github.com/theresiavr/stairway-to-fairness。
在本文中,我们实证地展示了基于大型语言模型 (LLM) 的推荐系统如何能够对不同的用户群体表现出高度公平,但同时对个体用户则很不公平。
我们的工作强调了评估群体公平性和个体公平性的重要性,因为群体公平性分数可能会掩盖用户之间推荐效果的巨大差异。