RecSys 2020 (4) Day2 , Keynote (2)

２つめの Keynote.

Bias in Search and Recommender Systems

推薦システムはその構成上さまざまなバイアスがあり、それらはデータやアルゴリズムなどに起因する。このKeynote ではいろいろなバイアスを紹介していました。Long Paper でさまざまなバイアスとそれを測定したり、克服したりするものが多かったので、その事前知識として面白かったです。

紹介されていた、バイアス。

• Data Bias / Web Spam
  • Economic bias in links
• Cultral bias in content
  • Linguistic bias : 英語と中国語で半分
  • geographical bias
  • gender bias
• Engagement / Activity Bias
• Popularity bias in recommender system
  • self fullfilling prophecy
  • IR evaluation methodology
  • Get rid of popularity bias
• Activity bias also affects content
  • Facebook の50% のコンテンツは7% のユーザが生成している。
  • 他のコンテンツ、Wikipedia なども生成しているのは少数のユーザ
• Social bias : Amazon のフェイクレビュー問題
  • Quality of the content??
• Attention Bias : The Digital Dessert
  • 誰もみないコンテンツがいっぱいある（ Twitter / Wikipedia ...
• Sampling Size bias
• Algorithm bias
• interaction bias
  • exposure or presentation bias / position bias , ranking bias/ social bias(星とか）
• ranking bias in web search
  • second order bias
• feedback loop bias / filter bubble とか / eco chamber of the recommender system

さて、Fairness と Ethicsを保つために、我々に何ができるのか、という問に対して、いろいろ提言がありました。他にもありますが、まずは科学者としての倫理観を保つところですかね。