[논문 리뷰] Fairness and Diversity in Recommender Systems: A Survey

Yuying Zhao, Yu Wang외 4명|arXiv (Cornell University)|2023. 07. 10.

Mind wandering and attention인용 수 7

한 줄 요약

추천 시스템에서 공정성과 다양성의 포괄적 조사로, 다양성 개념을 사용자 수준 고려까지 확장하고 공정성을 다양성 관점에서 재해석합니다.

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 .

연구 동기 및 목표

• 추천 시스템에서 공정성 및 다양성 개념을 도입하고 이들의 공동 연구를 유도합니다.
• 사용자 수준의 다양성을 포함하는 확장된 다양성 개념을 제공합니다.
• 아이템 수준과 사용자 수준 모두에서 공정성과 다양성 간의 연관성을 탐구합니다.
• 공정성과 다양성에 대한 측정 방법 및 편향 제거/다양화 방법을 검토합니다.
• 향후 연구를 이끄는 도전과 기회들을 식별합니다.

제안 방법

• 아이템 및 사용자 차원에 걸친 추천 시스템의 공정성과 다양성에 관한 문헌을 조사합니다.
• 공정성 측정치(노출, 품질 차이, 구분자 성능)와 편향 제거 방법(사전-, 중간-, 사후 처리)을 분류합니다.
• 다양성의 원천, 측정치, 방법을 분류하고 다양성 개념을 사용자 수준의 다양성으로 확장합니다.
• 공정성과 다양성 간의 상호 작용을 분석하고, 공정성을 다양성 관점에서 볼 수 있음을 보여줍니다.

실험 결과

연구 질문

• RQ1 추천 시스템에서 공정성과 다양성은 아이템 수준과 사용자 수준에서 어떻게 정의되고 측정되나요?
• RQ2 공정성과 다양성 사이의 관계는 무엇이며, 다양성이 공정성 전략에 어떻게 정보를 제공할 수 있나요?
• RQ3 사전처리, 처리 중, 사후처리 단계에서 공정성과 다양성을 촉진하기 위한 방법은 무엇이 있나요?
• RQ4 실무에서 공정성과 다양성을 통합하기 위한 주요 도전과 기회는 무엇인가요?

주요 결과

• 공정성과 다양성은 강하게 연결되어 있으며, 다양성 개념을 사용자 측으로 확장하면 이 관계가 더욱 명확해집니다.
• 아이템 수준의 공정성은 종종 인기 편향과 노출 격차를 중심으로 하며, 반면 사용자 수준의 공정성은 품질 차이 및 임베딩 기반 차별에 초점을 맞춥니다.
• 다양한 전략(사전-, 처리 중-, 사후처리)은 편향을 완화할 수 있으며, 재정렬 방법은 사후 공정성 조정을 유연하게 제공합니다.
• 다양성 향상은 공정성을 개선하는 메커니즘으로 작용할 수 있고, 공정성 전략은 다양성 관점에서 해석될 수 있습니다.
• 본 조사는 최신 연구에 대한 업데이트된 참조와 함께 통합된 프레임워크를 제공하며, 격차와 향후 방향을 강조합니다.