AAIG的技术方向——人工智能公平性
针对推荐系统中多敏感属性交叉的公平性评估难题，我们提出了基于双端搜索粒子群算法的推荐系统公平性测评框架FairRec，有效地解决了公平性评估的辛普森悖论问题。在FairRec中，我们通过粒子分布初始化、双端搜索、电子热运动、信息共享四大技术创新，有效提高了测评结果的有效性和时效性，并在4个开源数据集和4个推荐系统上的评估实验中取得了先进性的效果，相比于基线方法，我们在达到95%的测评准确率的同时，耗时下降达80%以上，并且场景越复杂效率优势越明显。基于FairRec的测评结果，在不损失其他用户体验的前提下，通过针对性的公平性优化方案，在不同公平性指标下可以取得10%-30%的提升效果，相关研究工作被国际顶会ISSTA 2023接收。
声明：本文来自网络，版权归作者所有。文章内容仅代表作者独立观点，不代表数字化转型网立场，转载目的在于传递更多信息。如有侵权，请联系我们。数字化转型网www.szhzxw.cn
数字化转型网人工智能专题
与全球关注人工智能的顶尖精英一起学习！数字化转型网建立了一个专门讨论人工智能技术、产业、学术的研究学习社区，与各位研习社同学一起成长！欢迎扫码加入！ 数字化转型网www.szhzxw.cn
本文由数字化转型网（www.szhzxw.cn）转载而成，来源于阿里巴巴人工智能治理研究中心；编辑/翻译：数字化转型网宁檬树。
