May, 2019

多利益相关者推荐研究方向

PDF
TL;DR本文介绍了多利益相关方推荐的概念及其在推荐系统领域的设计及研究问题，并强调了公平、平衡、盈利能力和互惠性等不同指标对于评估推荐系统的重要性。
recommender systemsmultistakeholder recommendationfairnessbalanceprofitability
发现论文，激发创造
  • 多利益相关者推荐及其与多方公平性的关联

    本文研究了多利益相关者推荐的公平性问题，定义了多利益相关者推荐系统的不同类别，并讨论了在此类系统中不同的公平性问题。

    Jul, 2019

  • 推荐系统简介

    本文综述了个性化推荐及推荐系统的经典算法，评估方式，以及最近研究的方向：基于会话的推荐、推荐系统中的偏差问题以及实际应用的影响和价值。

    Feb, 2023

  • 多目标推荐系统：调查与挑战

    本文综述了多目标推荐系统的类型和竞争目标，并概述了在此领域的挑战。

    Oct, 2022

  • 可信推荐系统综述

    该研究论文概述了可信度推荐系统的六个最重要方面：安全性与鲁棒性、非歧视与公平性、可解释性、隐私性、环境福祉以及问责与审计，并讨论了未来实现可信度推荐系统的潜在研究方向。

    Sep, 2022

  • 一种多目标重新排序学习方法，优化面向多方利益相关者的在线市场

    本研究提出了一种基于多目标的重新排序方法，使用基于 Kendall tau 相关度量和其核版本的正则化函数来解决涉及多种利益相关方的推荐问题，对包括消费者、供应商和中介在内的三个利益相关方进行多目标优化，通过真实数据集验证了此方法的有效性。

    Aug, 2017

  • 推荐中的多维度暴露偏差

    本文通过使用多个推荐算法和音乐、电影两个领域的公开数据集，实证了推荐算法的内在流行度偏差以及这种偏差对用户和项目供应商等不同利益相关者的影响，并提出了从不同利益相关者的角度衡量推荐算法暴露偏差的度量方法。

    Jun, 2020

  • 推荐系统中的公平性：研究现状和未来方向

    通过审查超过 150 篇学术出版物，本文综述了公平性的基本概念及其如何在目前的研究中操作化的概述，并发现在计算机科学的许多研究作品中，具体问题都存在抽象的操作化，缺少跨学科的讨论，这些观察要求开展更多的跨学科研究来更全面地解决公平性在推荐中的问题。

    May, 2022

  • 公平感知的推荐系统综述

    调查了公平推荐系统的现有方法和实践，包括概念，分类，评估和影响，旨在提高推荐系统的可信度、减少偏见和提高公平性，继而促进公平感知型推荐系统的发展。

    Jun, 2023

  • 推荐系统公平性调查

    本文对超过 60 篇发表于顶级会议 / 期刊的论文进行了综述，探讨了在推荐系统中公正性的挑战以及该主题的定义和分类，同时对公正性的度量、公正方法以及未来研究方向进行了评述。

    Jun, 2022

  • 推荐系统中的消费者公平性：方法和评估的系统调查

    本文为乘用侧公平在推荐系统中的研究提供了系统的概览和讨论，并提出了一种基于高级公平解释的新型分类方法，用于对研究及其提出的公平评价指标进行分类，最后提出了该领域未来的一些方向建议。

    May, 2023