推薦系統公平性論文閱讀(三)
部分來描述我的工作。 數據集描述 MovieLens-1M 是一個推薦系統的基准數據集，這個數據集 ...
原文：因果推斷-解決推薦系統公平性的新思路
論文引入 近年來推薦系統公平性成為新的熱點，在所有解決公平性問題的方法中，因果推斷顯得格外靚眼。我們以論文 Recommendations as treatments: Debiasing learning and evaluation 做為引入，來看看因果推斷是怎么應用在推薦系統公平性研究中的。 改論文的思想如下：從因果推斷的角度看待推薦問題，我們可以認為在推薦系統中給用戶曝光某個商品類似於在醫 ...
2021-10-09 08:13 0 690 推薦指數：
相關推薦
推薦系統公平性論文閱讀(五)
這幾天我的主要任務是對論文《Towards Long-term Fairness in Recommendation》[1] 中所描述的算法進行編程實現，然后測試該算法的效果並記錄。以下分模型算法細節 ...
推薦系統公平性論文閱讀(二)
接下來我花一天時間精讀了論文《Learning Fair Representations for Recommendation: A Graph-based Perspective》[1]，將論文的結 ...
推薦系統公平性論文閱讀(一)
公平性(fariness)-新的突破點 推薦系統的公平性（fairness）正在成為推薦系統領域的一個新的突破點，目前對於推薦系統這種需要落地的應用，單純的在模型領域取得准確率等指標的突破已經不是唯一的追求。雖然fancy的模型依然重要，但是越來越多的學者關注於模型在應用中的可解釋性以及機器學習 ...
推薦系統公平性論文閱讀(四)
接下來我總共花了將近四天時間才將論文《Towards Long-term Fairness in Recommendation》[1]理解透徹。因為該論文用到了強化學習(Reinforcement L ...
推薦系統公平性論文閱讀(六)
做為最后一篇論文閱讀記錄，我決定對我目前為止粗讀和精讀的論文進行一次總結，然后陳述一些個人對該研究領域的見解和想法。 論文總結歸納 推薦系統中的偏差和不公平現象是隨着推薦算法的誕生就與生俱來的，而不是人為故意產生的。目前我讀過的論文中包括的一些典型的偏差和其主要的解決方案如下： (1) 人口 ...
淺談線上德州撲克平台的公平性
前言: 我是一名普通的德州撲克愛好者, 曾在網上打過一段時間(屬於娛樂性質^_^). 有人說線上打牌, 平台發的牌很妖(冤家牌特多, 防不勝防). 對此我有些看法, 看看能否從概率論的角度, 評估下線上平台的公平性. 爭議: 最近在知乎上, 看到一個帖子: 實名舉報德撲圈發牌 ...
因果推斷review
A Survey on Causal Inference 因果推理，其覆蓋眾多的研究領域，如何從觀測數據中估計因果效應是主要的研究內容。常說‘關系不代表因果’. 比如，一項研究表面，吃早餐的女孩比不吃早餐的女孩更瘦，因此得出結論：‘吃早餐能減肥‘。 但事實上，吃早餐和瘦這2件事也許只是存在相關性 ...