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
Apr 13, 2023 pm 01:22 PM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。
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。
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。

人気の記事

人気の記事

ホットな記事タグ

メモ帳++7.3.1
使いやすく無料のコードエディター

SublimeText3 中国語版
中国語版、とても使いやすい

ゼンドスタジオ 13.0.1
強力な PHP 統合開発環境

ドリームウィーバー CS6
ビジュアル Web 開発ツール

SublimeText3 Mac版
神レベルのコード編集ソフト(SublimeText3)

ホットトピック











Bytedance Cutting が SVIP スーパー メンバーシップを開始: 継続的な年間サブスクリプションは 499 元で、さまざまな AI 機能を提供

Rag と Sem-Rag を使用したコンテキスト拡張 AI コーディング アシスタント

微調整によって本当に LLM が新しいことを学習できるようになるのでしょうか: 新しい知識を導入すると、モデルがより多くの幻覚を生成する可能性があります

新しい科学的で複雑な質問応答ベンチマークと大規模モデルの評価システムを提供するために、UNSW、アルゴンヌ、シカゴ大学、およびその他の機関が共同で SciQAG フレームワークを立ち上げました。

SOTA パフォーマンス、厦門マルチモーダルタンパク質-リガンド親和性予測 AI 手法、初めて分子表面情報を結合

SKハイニックスは8月6日に12層HBM3E、321層NANDなどのAI関連新製品を展示する。
