Pareto-Ranking-Lernen: Ranking-Lernen basierend auf der Fairness des Empfehlungssystems

Autor |. Wang Hao Geheimdienstforschungsbereich. Bekannte Unternehmen für künstliche Intelligenz wie Twitter, Google, IBM und Baidu haben alle Ethikteams für künstliche Intelligenz gegründet oder Ethikprodukte für künstliche Intelligenz entwickelt. Es ist jedoch bedauerlich, dass die Forschung zur Ethik der künstlichen Intelligenz in China erst spät begonnen hat, und es besteht immer noch eine gewisse Lücke im Vergleich zu anderen Ländern.

Ranking Learning ist eine maschinelle Lerntechnologie, die etwa 2010 auf den Markt kam und in den Bereichen Empfehlungssysteme an Popularität gewonnen hat und Informationsbeschaffung für ein breites Anwendungsspektrum. In den letzten Jahren hat sich das Ranking-Lernen zu einem beliebten Algorithmus-Benchmark für die Ethikforschung im Bereich der künstlichen Intelligenz entwickelt.

In diesem Artikel wird das Papier „Pareto Pairwise Ranking for Fairness Enhancement“ vorgestellt, das auf der internationalen akademischen Konferenz CISAT 2022 (International Conference on Computer Information Science and Application Technology) im Jahr 2022 veröffentlicht wurde Empfehlungssysteme. In diesem Artikel wird hauptsächlich erläutert, wie Pareto-Verteilung und Ranking-Lernen kombiniert werden, um einen Empfehlungsalgorithmus für das Lernen mit fairem Ranking zu erhalten.

Abbildung 1. Wahrscheinlichkeitsverteilung der Anzeigebewertungsunterschiede im MovieLens-Datensatz#🎜 🎜#

Auf der Grundlage von Beobachtungen (Abbildung 1) und statistischer Theorie (statistische Schätzung der Zipf-Verteilung) können wir die folgenden Schlussfolgerungen ziehen: Die Wahrscheinlichkeitsverteilung des Unterschieds in den Bewertungen verschiedener Elemente durch dasselbe Benutzer Direkt proportional zur Bewertungsdifferenz. Wir modifizieren die Verlustfunktion der Wahrscheinlichkeitsmatrixzerlegung und erhalten die Verlustfunktionsformel des neuen Algorithmus, den wir erfunden haben, Pareto Pairwise Ranking:

Setzen wir unsere Beobachtungen in die Verlustfunktionsformel ein, erhalten wir die folgende Verlustfunktionsformel:

#🎜 Nehmen wir L Logarithmus, den Folgende Formel wird erhalten:

#🎜🎜 #Wir Verwenden Sie die stochastische Gradientenabstiegsformel, um den Logarithmus der Verlustfunktion zu lösen und erhalten Sie die folgende Formel:

#🎜 🎜## 🎜🎜#Der Algorithmusfluss des Pareto-Sortierungslernens ist wie folgt:

# 🎜🎜## 🎜🎜#

Abbildung 2 und Abbildung 3 zeigen das Pareto-Ranking-Lernen in MovieLens Testergebnisse für den 1-Millionen-Datensatz. Der Autor des Artikels verglich zehn Empfehlungssystemalgorithmen und stellte fest, dass der Pareto-Ranking-Lernalgorithmus beim Fairness-Index am besten abschneidet.

Abbildung 4 und Abbildung 5 zeigen das Pareto-Ranking-Lernen in Testergebnissen der LDOS-CoMoDa-Datensatz. Der Pareto-Ranking-Lernalgorithmus schneidet beim Fairness-Index immer noch am besten ab.

Der Pareto-Ranking-Lernalgorithmus ist ein seltener Algorithmus für Ranking-Lernempfehlungssysteme, der in China auf Fairness basiert. Das Algorithmusprinzip ist einfach, leicht zu implementieren und schnell in der Anwendung. Der Autor hat es auf einem Lenovo-Laptop mit 16 GB RAM und Intel Core i5 getestet und die Ausführungsgeschwindigkeit war sehr hoch. Die Ethikforschung im Bereich der künstlichen Intelligenz ist derzeit international ein Forschungs-Hotspot und ich hoffe, dass sie bei allen genügend Aufmerksamkeit erregt.

Über den Autor

Wang Hao, ehemaliger Leiter des Funplus Artificial Intelligence Laboratory bei ThoughtWorks, Douban , Sina, NetEase und andere Unternehmen verfügen über mehr als 11 Jahre Erfahrung in Forschung und Entwicklung sowie im Management. Er verfügt über umfassende technische Erfahrung in den Bereichen Empfehlungssysteme, Chat-Roboter sowie Risikokontrolle und Betrugsbekämpfung. Veröffentlichte 30 Artikel auf internationalen wissenschaftlichen Konferenzen und Fachzeitschriften und gewann dreimal den Best Paper Award/Best Paper Report Award. Goldmedaille des ACM-Regionalwettbewerbs 2006. Absolvent der University of Utah in den Vereinigten Staaten mit einem Bachelor- und einem Master-Abschluss. Teilzeit-MBA der University of International Business and Economics.

Das obige ist der detaillierte Inhalt vonPareto-Ranking-Lernen: Ranking-Lernen basierend auf der Fairness des Empfehlungssystems. Für weitere Informationen folgen Sie bitte anderen verwandten Artikeln auf der PHP chinesischen Website!