Slide 8
Slide 8 text
• RQ1: 公平性向上のパフォーマンス,
RQ2: モデルのハイパーパラーメータの影響,
RQ3: グループレベルの公平性への影響について検証
• 評価指標: nDCG, MDG(MDG-min10%, MDG-min20%, MDG-max10%)
• データセット: ML1M, ML20M, CiteULike, XING
• ベースライン: Heter, DropoutNet, DeepMusic, KNN,
Scale(提案⼿法), Noise(ランダムノイズを加える⼿法)
• 再現性: https://github.com/Zziwei/Fairness-in-Cold-Start-Recommendation
実験内容 8
𝜹(𝒙): 𝒙 が真であれば 𝟏, 違えば 𝟎
𝑀𝐷𝐺𝒊
= 0: アイテムがマッチした全てのユーザに推薦されない
𝑀𝐷𝐺𝒊
= 1: アイテムがマッチした全てのユーザに1位で推薦される
新規アイテムの真の陽性率を計算,評価値が⼤きいほどシステムがより公平であることを⽰す