©PaperWeekly 原创 · 作者 | 金金
单位 | 阿里巴巴研究实习生
研究方向 | 推荐系统
简介
根据相关性概率对项目进行排序一直是传统排序系统的目标。虽然这最大化了传统的排名标准,但人们越来越认识到,在线平台不仅服务于多样化的用户群体,而且还服务于产品的生产者,这是一种过于简单化的做法。
特别是,排名算法在如何服务所有用户群体(而不仅仅是多数用户群体)方面应该是公平的,而且在如何在项目之间划分曝光率方面也应该是公平的。
然而,本文证明了用户公平、item 公平和多样性是本质上不同的概念。特别地,作者发现,只考虑其中一个需求的算法可能无法满足,甚至损害其他两个需求。
作者提出了第一个排序算法,它显式地强制执行所有三个要求。
从它的解中,可以通过一种新颖的 Birkhoff-von Neumann 分解算法得到一个排序策略,该算法优化了多样性。
论文标题:
User Fairness, Item Fairness, and Diversity for Rankings in Two-Sided Markets
论文来源:
ICITR 2021
论文链接:
http://www.cs.cornell.edu/people/tj/publications/wang_joachims_21a.pdf