推荐系统公平性指标——DP和EO的区别

1. 人口均衡DP和机会均等EO的区别

       人口均衡DP（Demographic Parity）通常用于确保算法的输出不会偏向或歧视特定人群，DP强制要求不同组的预测结果相似，它会忽略用户的自然偏好差异。机会均等EO（Equality of Opportunity）的提出是为了解决这一局限性，它会关注用户的自然偏好差异。具体来说，EO关注的是在不同的用户群体中，实现相似的预测结果，而不是简单地强调整体上的平等性。

2.人口均衡DP忽略用户自然偏好举例

前提：

         用户群体A更倾向于购买运动鞋和健身器材。

         用户群体B更喜欢购买家居用品和厨房电器。

对于以上情况，仅使用DP方法进行推荐，由于DP强制要求不同组的预测结果相似，可能会导致以下情况发生：

        对于用户群体A，他们被推荐了大量家居用品，这与他们的偏好相悖，导致购买率下降。

        对于用户群体B，他们则被推荐了许多运动鞋和健身器材，同样也无法吸引他们的兴趣。

3.机会均等EO基于用户真实偏好举例

       例如，在贷款审批时如果只使用DP，那么模型只关注整体上的平等性，那么它可能会将所有申请人都纳入同一个审批标准中，导致对于不同群体的申请人结果不公平。

       而采用EO的方法，模型会更加关注不同用户群体之间的差异，力求在不同群体中实现相似的预测结果。举例来说，对于不同种族、不同收入水平或不同地区的申请人，模型将会根据他们的特定情况和偏好进行预测，并尽量使得不同群体的贷款获批概率更加接近和相似，而不是简单地以整体数据为依据进行审批决策。这样可以更好地保障不同群体的平等机会，避免因为群体差异而造成不公平现象。