[論文レビュー] Fairness and Diversity in Recommender Systems: A Survey

Yuying Zhao, Yu Wang+4 more|arXiv (Cornell University)|Jul 10, 2023

Mind wandering and attention被引用数 7

ひとこと要約

広範囲な調査で、リコメンデーションシステムにおける公正性と多様性を関連付け、ユーザーレベルの多様性を含む拡張と、多様性の視点から公正性を再解釈します。

ABSTRACT

Recommender systems are effective tools for mitigating information overload and have seen extensive applications across various domains. However, the single focus on utility goals proves to be inadequate in addressing real-world concerns, leading to increasing attention to fairness-aware and diversity-aware recommender systems. While most existing studies explore fairness and diversity independently, we identify strong connections between these two domains. In this survey, we first discuss each of them individually and then dive into their connections. Additionally, motivated by the concepts of user-level and item-level fairness, we broaden the understanding of diversity to encompass not only the item level but also the user level. With this expanded perspective on user and item-level diversity, we re-interpret fairness studies from the viewpoint of diversity. This fresh perspective enhances our understanding of fairness-related work and paves the way for potential future research directions. Papers discussed in this survey along with public code links are available at https://github.com/YuyingZhao/Awesome-Fairness-and-Diversity-Papers-in-Recommender-Systems .

研究の動機と目的

• リコメンデーションシステムにおける公正性と多様性の概念を導入し、それらの共同研究の動機づけを行う。
• ユーザーレベルの多様性を含む拡張された多様性の notions を提供する。
• 項目レベルとユーザーレベルの公正性と多様性の関係を探る。
• 公正性と多様性の測定方法とデバイアス化/多様化手法をレビューする。
• 将来の研究を導く課題と機会を特定する。

提案手法

• リコメンデーションシステムにおける公正性と多様性に関する文献を項目・ユーザーの次元で調査する。
• 公正性の測定を分類する（exposure, quality discrepancy, discriminator performance）とデバイアス化手法を分類する（pre-, in-, post-processing）。
• 多様性の源泉・測定・手法を分類し、多様性概念をユーザーレベルの多様性に拡張する。
• 公正性と多様性の相互作用を分析し、公正性を多様性の観点から見ることができることを示す。

実験結果

リサーチクエスチョン

• RQ1 リコメンデーションシステムにおいて、項目レベルとユーザーレベルの公正性と多様性はどのように定義・測定されるか？
• RQ2 公正性と多様性の関係は何か、そして多様性は公正性戦略をどう導くことができるか？
• RQ3 preprocessing、in-processing、post-processing の各段階で公正性と多様性を促進する方法は何か？
• RQ4 実務における公正性と多様性を統合する上での主要な課題と機会は何か？

主な発見

• 公正性と多様性は強く結びついており、ユーザー側の多様性概念を拡張することでこの関係が明確になる。
• 項目レベルの公正性はしばしば人気度バイアスと露出の不均等に焦点を当て、ユーザーレベルの公正性は品質の不一致と埋め込みベースの差別に焦点を置く。
• 多様性戦略（pre-, in-, post-processing）はバイアスを緩和でき、リランキング手法は後処理の公正性調整を柔軟に提供する。
• 多様性の強化は公正性を改善する機序として機能し、公正性戦略は多様性の観点から解釈できる。
• 本調査は統一的なフレームワークと最近の研究への最新の参照を提供し、ギャップと将来の方向性を浮き彫りにする。