パレートランキング学習：推薦システムの公平性に基づくランキング学習

著者 | Wang Hao

査読者 | Sun Shujuan

レコメンデーション システムの公平性は、2017 年以来爆発的に増加した人工知能研究分野です。 Twitter、Google、IBM、Baidu などの有名な人工知能企業はすべて、人工知能倫理チームを設立したり、人工知能倫理製品を開発したりしています。しかし、残念ながら中国における人工知能の倫理研究のスタートは遅く、諸外国と比較すると依然として一定の格差がある。

# ランキング学習は、2010 年頃に登場した機械学習技術であり、レコメンドシステムや情報検索の分野で広く利用されています。近年、ランキング学習は人工知能倫理研究のアルゴリズム ベンチマークとして人気があります。

この記事では、2022年のCISAT 2022（コンピュータ情報科学と応用技術に関する国際会議）で発表された論文Pareto Pairwise Rank for Fairness Enhancement of Recommender Systemsを紹介します。この記事では主に、パレート分布とランキング学習を組み合わせて、公平なランキング学習推奨アルゴリズムを実現する方法について説明します。

図 1. MovieLens データセットの映画視聴率差確率分布

We観察 (図 1) と統計理論 (Zipf 分布の統計的推定) に基づいて次の結論を導き出すことができます。同じユーザーによる異なるアイテムの評価の差の確率分布は、評価の差に比例します。確率行列分解の損失関数を変更し、私たちが発明した新しいアルゴリズムであるパレート ペアワイズ ランキングの損失関数式を取得します。

## 今行った観察を損失関数の式に代入すると、次の損失関数の式が得られます。

##L の対数を取得すると、次の式が得られます:

##確率的勾配降下の公式を使用して損失関数の対数を解き、次の公式を取得します。

パレートランキング学習のアルゴリズム フローは次のとおりです。

図 2 と 3 は、MovieLens 100 万データセット データセットでのパレート ランキング学習のテスト結果を示しています。この論文の著者は、10 個の推奨システム アルゴリズムを比較し、パレート ランキング学習アルゴリズムが公平性指数で最も優れたパフォーマンスを発揮したことを発見しました。

# 図 4 と図 5 は、LDOS-CoMoDa データ セットでのパレート ランキング学習のテスト結果を示しています。パレート ランキング学習アルゴリズムは、依然として公平性インデックスで最高のパフォーマンスを発揮します。

パレート ランキング学習アルゴリズムは、中国では珍しい公平性に基づくランキング学習推奨システム アルゴリズムです。アルゴリズムの原理はシンプルで実装が簡単で、動作が高速です。著者は 16G RAM と Intel Core i5 を搭載した Lenovo ラップトップでテストしましたが、実行速度は非常に速かったです。人工知能の倫理研究は現在、国際的に注目を集めている研究分野であり、皆様の十分な注目を集めることを願っています。

著者について

Funplus人工知能研究所の元所長であるWang Haoは、新浪の豆板にあるThoughtWorksに100人以上の従業員を抱えています。 NetEase およびその他の企業における 11 年の研究開発および管理の経験。レコメンデーション システム、チャット ロボット、リスク管理と不正行為対策の分野で豊富な技術経験を持っています。国際学会やジャーナルに30本の論文を発表し、最優秀論文賞・最優秀論文レポート賞を3回受賞。 2006年ACM地域コンクール金メダル。米国ユタ大学で学士号と修士号を取得して卒業。国際商経大学非常勤MBA取得。

以上がパレートランキング学習：推薦システムの公平性に基づくランキング学習の詳細内容です。詳細については、PHP 中国語 Web サイトの他の関連記事を参照してください。