公平な表現学習による個人化された公平性を持つ推薦システム

本論文は、個人化された公平性を持つ推薦システムを実現するための新しいモデルAFRLを提案する。AFRLは、ユーザーの公平性要求に応じて動的に公平な埋め込みを生成することができ、非感受性属性の弁別情報を保持しつつ、属性に依存しないコラボレーション信号を取り入れることで、公平性と精度のトレードオフを改善する。