End-to-End Learning for Fair Ranking Systems
End-to-End Learning for Fair Ranking Systems
复制标题
公平排名系统的端到端学习
DOI：
10.1145/3485447.3512247
复制
发表时间：
2022
期刊：
影响因子：
--
通讯作者：
Zhu, Ziwei
中科院分区：
文献类型：
--
作者：
Kotary, James;Fioretto, Ferdinando;Van Hentenryck, Pascal;Zhu, Ziwei
学习排序问题旨在对项目进行排序，以最大限度地暴露与用户查询最相关的项目。这种排名系统的一个理想属性是保证特定项目组之间的某种公平概念。虽然最近在学习排名系统的背景下考虑了公平性，但目前的方法无法保证预测排名的公平性。本文解决了这一问题，并引入了公平排序的智能预测和优化（SPOFR），这是一种基于公平约束的排序学习的集成优化和学习框架。端到端SPOFR框架包括一个约束优化子模型，并生成保证满足公平性约束的排序策略，同时允许对公平性-效用权衡进行精细控制。根据既定的性能指标，SPOFR显着改善了当前最先进的公平学习排名系统。
The learning-to-rank problem aims at ranking items to maximize exposure of those most relevant to a user query. A desirable property of such ranking systems is to guarantee some notion of fairness among specified item groups. While fairness has recently been considered in the context of learning-to-rank systems, current methods cannot provide guarantees on the fairness of the predicted rankings. This paper addresses this gap and introduces Smart Predict and Optimize for Fair Ranking (SPOFR), an integrated optimization and learning framework for fairness-constrained learning to rank. The end-to-end SPOFR framework includes a constrained optimization sub-model and produces ranking policies that are guaranteed to satisfy fairness constraints, while allowing for fine control of the fairness-utility tradeoff. SPOFR is shown to significantly improve on current state-of-the-art fair learning-to-rank systems with respect to established performance metrics.
登录
查看更多内容
当前矩阵乘法时间的确定性线性规划求解器
DOI：
10.1137/1.9781611975994.16
发表时间：
2019
期刊：
ArXiv
影响因子：
--
作者：
Jan van den Brand
通讯作者：
Jan van den Brand
减少排名中的不同曝光：学习排名方法
DOI：
--
发表时间：
2018
期刊：
The Web Conference
影响因子：
--
作者：
Meike Zehlike;Carlos Castillo
通讯作者：
Carlos Castillo
DOI：
10.4230/lipics.icalp.2018.28
发表时间：
2017-04
期刊：
ArXiv
影响因子：
--
作者：
L. E. Celis;D. Straszak;Nisheeth K. Vishnoi
通讯作者：
L. E. Celis;D. Straszak;Nisheeth K. Vishnoi
DOI：
10.1609/aaai.v34i02.5521
发表时间：
2019
期刊：
ArXiv
影响因子：
--
作者：
Jaynta Mandi;Emir Demirovi'c;Peter James Stuckey;Tias Guns
通讯作者：
Tias Guns
数学晶体学中的晶格问题
DOI：
--
发表时间：
2020
期刊：
影响因子：
--
作者：
折田 充;小林 景;村里 泰昭;吉井 誠;Richard Lavin;相澤 一美;Ryoko Oishi-Tomiyasu;富安 (大石) 亮子
通讯作者：
富安 (大石) 亮子