Buchumschlag

Fair Recommendations with Limited Sensitive Attributes: A Distributionally Robust Optimization Approach

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Shi, Tianhao, Zhang, Yang, Zhang, Jizhi, Feng, Fuli, He, Xiangnan
Format:	Preprint
Veröffentlicht:	2024
Schlagworte:	Information Retrieval Computers and Society Machine Learning
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Large Language Models are Learnable Planners for Long-Term Recommendation
von: Shi, Wentao, et al.
Veröffentlicht: (2024)

Lower-Left Partial AUC: An Effective and Efficient Optimization Metric for Recommendation
von: Shi, Wentao, et al.
Veröffentlicht: (2024)

Intersectional Two-sided Fairness in Recommendation
von: Wang, Yifan, et al.
Veröffentlicht: (2024)

Item-side Fairness of Large Language Model-based Recommendation System
von: Jiang, Meng, et al.
Veröffentlicht: (2024)

Social Choice for Heterogeneous Fairness in Recommendation
von: Aird, Amanda, et al.
Veröffentlicht: (2024)

Boosting Parameter Efficiency in LLM-Based Recommendation through Sophisticated Pruning
von: Zheng, Shanle, et al.
Veröffentlicht: (2025)

CoLLM: Integrating Collaborative Embeddings into Large Language Models for Recommendation
von: Zhang, Yang, et al.
Veröffentlicht: (2023)

Ensuring User-side Fairness in Dynamic Recommender Systems
von: Yoo, Hyunsik, et al.
Veröffentlicht: (2023)

Diffusion Models for Generative Outfit Recommendation
von: Xu, Yiyan, et al.
Veröffentlicht: (2024)

Leveraging Memory Retrieval to Enhance LLM-based Generative Recommendation
von: Wang, Chengbing, et al.
Veröffentlicht: (2024)

Real-Time Personalization for LLM-based Recommendation with Customized In-Context Learning
von: Bao, Keqin, et al.
Veröffentlicht: (2024)

A Counterfactual Approach for Addressing Individual User Unfairness in Collaborative Recommender System
von: Baidya, Nikita, et al.
Veröffentlicht: (2026)

Towards Sample-Efficient and Stable Reinforcement Learning for LLM-based Recommendation
von: Ding, Hongxun, et al.
Veröffentlicht: (2026)

A Tutorial On Intersectionality in Fair Rankings
von: Criscuolo, Chiara, et al.
Veröffentlicht: (2025)

RAID: An In-Training Defense against Attribute Inference Attacks in Recommender Systems
von: Feng, Xiaohua, et al.
Veröffentlicht: (2025)

FACTER: Fairness-Aware Conformal Thresholding and Prompt Engineering for Enabling Fair LLM-Based Recommender Systems
von: Fayyazi, Arya, et al.
Veröffentlicht: (2025)

Consumer-side Fairness in Recommender Systems: A Systematic Survey of Methods and Evaluation
von: Vassøy, Bjørnar, et al.
Veröffentlicht: (2023)

Preliminary Study on Incremental Learning for Large Language Model-based Recommender Systems
von: Shi, Tianhao, et al.
Veröffentlicht: (2023)

Fairness in Ranking under Disparate Uncertainty
von: Rastogi, Richa, et al.
Veröffentlicht: (2023)

Properties of Group Fairness Metrics for Rankings
von: Schumacher, Tobias, et al.
Veröffentlicht: (2022)

When Fair Ranking Meets Uncertain Inference
von: Ghosh, Avijit, et al.
Veröffentlicht: (2021)

Synthetic CVs To Build and Test Fairness-Aware Hiring Tools
von: Saldivar, Jorge, et al.
Veröffentlicht: (2025)

Interpolating Item and User Fairness in Multi-Sided Recommendations
von: Chen, Qinyi, et al.
Veröffentlicht: (2023)

Agentic Feedback Loop Modeling Improves Recommendation and User Simulation
von: Cai, Shihao, et al.
Veröffentlicht: (2024)

Harm Mitigation in Recommender Systems under User Preference Dynamics
von: Chee, Jerry, et al.
Veröffentlicht: (2024)

Uncertainty and Fairness Awareness in LLM-Based Recommendation Systems
von: Sah, Chandan Kumar, et al.
Veröffentlicht: (2026)

Generative Multi-Target Cross-Domain Recommendation
von: Jin, Jinqiu, et al.
Veröffentlicht: (2025)

Enhancing Collaborative Filtering-Based Course Recommendations by Exploiting Time-to-Event Information with Survival Analysis
von: Gharahighehi, Alireza, et al.
Veröffentlicht: (2025)

Multi-view Attention Fusion of Heterogeneous Hypergraph with Dynamic Behavioral Profiling for Personalized Learning Resource Recommendation
von: Xie, Tao, et al.
Veröffentlicht: (2026)

A Human-Centered Approach for Improving Supervised Learning
von: Bansal, Shubhi, et al.
Veröffentlicht: (2024)

Be Aware of the Neighborhood Effect: Modeling Selection Bias under Interference
von: Li, Haoxuan, et al.
Veröffentlicht: (2024)

Prospect Personalized Recommendation on Large Language Model-based Agent Platform
von: Zhang, Jizhi, et al.
Veröffentlicht: (2024)

Debias Can be Unreliable: Mitigating Bias Issue in Evaluating Debiasing Recommendation
von: Wang, Chengbing, et al.
Veröffentlicht: (2024)

User-Creator Feature Polarization in Recommender Systems with Dual Influence
von: Lin, Tao, et al.
Veröffentlicht: (2024)

Decoding Matters: Addressing Amplification Bias and Homogeneity Issue for LLM-based Recommendation
von: Bao, Keqin, et al.
Veröffentlicht: (2024)

Mitigating Hidden Confounding Effects for Causal Recommendation
von: Zhu, Xinyuan, et al.
Veröffentlicht: (2022)

Measuring Individual User Fairness with User Similarity and Effectiveness Disparity
von: Rampisela, Theresia Veronika, et al.
Veröffentlicht: (2026)

Performative Debias with Fair-exposure Optimization Driven by Strategic Agents in Recommender Systems
von: Xiang, Zhichen, et al.
Veröffentlicht: (2024)

Debiased Recommendation with Noisy Feedback
von: Li, Haoxuan, et al.
Veröffentlicht: (2024)

Exact and Efficient Unlearning for Large Language Model-based Recommendation
von: Hu, Zhiyu, et al.
Veröffentlicht: (2024)