Feb, 2024

追求效率的重复排名中组群之间的帕累托最优公平性

PDF
TL;DR我们介绍了一种使用 Expohedron 解决多目标优化问题的方法，该方法能够在用户效用的最大化和生产者之间的不公平性的最小化之间提供 Pareto 最优平衡，并通过识别有限数量的 Pareto 最优解来捕获组公平性和用户效用之间的权衡。我们还提出了在 Expohedron 的外接 $n$-sphere 上放松优化问题的高效方法，从而显著提高了运行时间。
发现论文，激发创造
  • 通过劳伦茨显著性实现排名的双边公平

    本文介绍了一种基于福利经济学理论的公平推荐算法，该算法旨在通过最大化凹的福利函数来生成 Pareto 有效且满足 Lorenz 效率的公平排序，以实现效用再分配，通过实验证明了该算法可以提升较弱群体的收益，同时在总体效益有所减少的情况下成本更低。

    Oct, 2021

  • 带有曝光公平性的快速在线排名

    本文提出了一种优化随机排名中凸性目标函数的效率高、计算成本少、具有强理论保证，且适用于公平性暴露等所有凸顺滑目标函数的在线算法，可将复杂的曝光公平性标准纳入推荐中。

    Sep, 2022

  • 双边市场排名的用户公平性、物品公平性和多样性

    本文介绍了一种优化用户公平性、项目公平性和多样性的排名算法，并通过实验证明其在这三个方面的有效性和权衡。

    Oct, 2020

  • 采样始终群体公平的个体公平排序

    本研究提出了一种有效的算法，在保持个体公平的情况下，从一组项目中随机抽样出排名，以确保输出排名满足群体公平性限制，同时保证输出排名的期望效用至少是最优公平解的效用的 α 倍，进而实现在线平台的算法公平。

    Jun, 2023

  • 公平排名即公平分配：基于影响力的个体公平性排名

    本文针对在线市场中排名的公平问题，提出了一种令所有商品都不会嫉妒和劣于其他商品的轮廓分配方式，并通过实证研究说明了这种分配方式控制了单个商品公平性与用户效用之间的权衡。

    Jun, 2022

  • 使用 Sinkhorn 算法快速解决公平排序问题

    在线跳蚤市场等双边市场中，为消费者提供个性化项目排名的推荐系统在促进提供者和消费者之间的交易中起着关键作用。然而，双边市场面临平衡消费者满意度和公平性以刺激项目提供者活动的问题。本文提出了一种快速的基于影响力公平排名问题的解决方案，通过将公平排名问题转化为无约束的优化问题，并设计了一种反复执行 Sinkhorn 算法的梯度上升方法。实验结果表明，我们的算法能够提供高质量的公平排名，并且比商业优化软件的应用快约 1000 倍。

    Jun, 2024

  • 排名公平性

    该研究提出了一种概念和计算框架，允许确定排名的公平性限制，并发展出高效的算法，以最大化用户效用且确保满足特定的公平概念。

    Feb, 2018

  • 不可分割物品的公平分配

    本文讨论了如何公平地将不可分割的物品分配给一组代理，并给出了一种多项式时间近似算法，最大化了 Nash 社会福利，计算出的配置是帕累托最优且近似无嫉妒。

    May, 2018

  • 基于 Pareto 双向排序的推荐系统公平性增强

    本文提出了一种新的学习排序算法 Pareto Pairwise Ranking，该算法不仅在技术准确度方面表现出色，而且在公平性方面是目前 9 种现行算法中最公平的算法。

    Dec, 2022

  • 概率置换图搜索：黑盒优化公平排名

    本论文提出了一种用于公平的黑盒优化的排列分布表示方法 PPG，称采用参考排列和成对反转概率构建排列参数，能够同时控制其他目标和优化公平度量，特别针对重复次数较少的查询效果良好。

    Apr, 2022