Buchumschlag

A Closer Look on Gender Stereotypes in Movie Recommender Systems and Their Implications with Privacy

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Roy, Falguni, Shen, Yiduo, Zhao, Na, Ding, Xiaofeng, Faruk, Md. Omar
Format:	Preprint
Veröffentlicht:	2025
Schlagworte:	Information Retrieval
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

A Deep Dive into Fairness, Bias, Threats, and Privacy in Recommender Systems: Insights and Future Research
von: Roy, Falguni, et al.
Veröffentlicht: (2024)

A Privacy Preserving System for Movie Recommendations Using Federated Learning
von: Neumann, David, et al.
Veröffentlicht: (2023)

Movie Recommendation using Web Crawling
von: Raj, Pronit, et al.
Veröffentlicht: (2024)

Investigating and Mitigating Stereotype-aware Unfairness in LLM-based Recommendations
von: Zhao, Zihuai, et al.
Veröffentlicht: (2025)

Recommendation Algorithms: A Comparative Study in Movie Domain
von: Chivukula, Rohit, et al.
Veröffentlicht: (2026)

Prompt-Based LLMs for Position Bias-Aware Reranking in Personalized Recommendations
von: Islam, Md Aminul, et al.
Veröffentlicht: (2025)

Binge Watch: Reproducible Multimodal Benchmarks Datasets for Large-Scale Movie Recommendation on MovieLens-10M and 20M
von: Spillo, Giuseppe, et al.
Veröffentlicht: (2026)

Looking for Fairness in Recommender Systems
von: Logé, Cécile
Veröffentlicht: (2025)

Transparency, Privacy, and Fairness in Recommender Systems
von: Kowald, Dominik
Veröffentlicht: (2024)

Modality Reliability Guided Multimodal Recommendation
von: Dong, Xue, et al.
Veröffentlicht: (2025)

ViLLA-MMBench: A Unified Benchmark Suite for LLM-Augmented Multimodal Movie Recommendation
von: Nazary, Fatemeh, et al.
Veröffentlicht: (2025)

Proposing a Semantic Movie Recommendation System Enhanced by ChatGPT's NLP Results
von: Fallahi, Ali, et al.
Veröffentlicht: (2025)

Privacy-Preserving Sequential Recommendation with Collaborative Confusion
von: Wang, Wei, et al.
Veröffentlicht: (2024)

Look into the Future: Deep Contextualized Sequential Recommendation
von: Zheng, Lei, et al.
Veröffentlicht: (2024)

Privacy Risks of LLM-Empowered Recommender Systems: An Inversion Attack Perspective
von: Wang, Yubo, et al.
Veröffentlicht: (2025)

A First Look at Selection Bias in Preference Elicitation for Recommendation
von: Gupta, Shashank, et al.
Veröffentlicht: (2024)

PDSR: A Privacy-Preserving Diversified Service Recommendation Method on Distributed Data
von: Wang, Lina, et al.
Veröffentlicht: (2024)

PDC-FRS: Privacy-preserving Data Contribution for Federated Recommender System
von: Yang, Chaoqun, et al.
Veröffentlicht: (2024)

Pareto-based Multi-Objective Recommender System with Forgetting Curve
von: Jin, Jipeng, et al.
Veröffentlicht: (2023)

A Look Into News Avoidance Through AWRS: An Avoidance-Aware Recommender System
von: Azevedo, Igor L. R., et al.
Veröffentlicht: (2024)

Do LLMs Memorize Recommendation Datasets? A Preliminary Study on MovieLens-1M
von: Di Palma, Dario, et al.
Veröffentlicht: (2025)

Enhancing Long-Term Welfare in Recommender Systems: An Information Revelation Approach
von: Zhao, Xu, et al.
Veröffentlicht: (2025)

GreyShot: Zeroshot and Privacy-preserving Recommender System by GM(1,1) Model
von: Wang, Hao
Veröffentlicht: (2025)

Tell Me the Good Stuff: User Preferences in Movie Recommendation Explanations
von: Ahmad, Juan, et al.
Veröffentlicht: (2025)

Privacy-Preserving Cross-Domain Sequential Recommendation
von: Lin, Zhaohao, et al.
Veröffentlicht: (2024)

Transforming Movie Recommendations with Advanced Machine Learning: A Study of NMF, SVD,and K-Means Clustering
von: Yan, Yubing, et al.
Veröffentlicht: (2024)

On the Accuracy Limits of Sequential Recommender Systems: An Entropy-Based Approach
von: Xu, En, et al.
Veröffentlicht: (2026)

ptt5-v2: A Closer Look at Continued Pretraining of T5 Models for the Portuguese Language
von: Piau, Marcos, et al.
Veröffentlicht: (2024)

The Impact of Differential Privacy on Recommendation Accuracy and Popularity Bias
von: Müllner, Peter, et al.
Veröffentlicht: (2024)

Robust Recommender System: A Survey and Future Directions
von: Zhang, Kaike, et al.
Veröffentlicht: (2023)

Break Out of a Pigeonhole: A Unified Framework for Examining Miscalibration, Bias, and Stereotype in Recommender Systems
von: Ahn, Yongsu, et al.
Veröffentlicht: (2023)

The MovieLens Beliefs Dataset: Collecting Pre-Choice Data for Online Recommender Systems
von: Aridor, Guy, et al.
Veröffentlicht: (2024)

Fairness and Diversity in Recommender Systems: A Survey
von: Zhao, Yuying, et al.
Veröffentlicht: (2023)

MMREC: LLM Based Multi-Modal Recommender System
von: Tian, Jiahao, et al.
Veröffentlicht: (2024)

Federated Semantic Learning for Privacy-preserving Cross-domain Recommendation
von: Lu, Ziang, et al.
Veröffentlicht: (2025)

Federated User Behavior Modeling for Privacy-Preserving LLM Recommendation
von: Guo, Lei, et al.
Veröffentlicht: (2026)

Review-based Recommender Systems: A Survey of Approaches, Challenges and Future Perspectives
von: Hasan, Emrul, et al.
Veröffentlicht: (2024)

Group Movie Selection using Multi-channel Emotion Recognition
von: Kadyrgali, Elnara, et al.
Veröffentlicht: (2024)

Large Language Models as Conversational Movie Recommenders: A User Study
von: Sun, Ruixuan, et al.
Veröffentlicht: (2024)

Uplift Modeling for Target User Attacks on Recommender Systems
von: Wang, Wenjie, et al.
Veröffentlicht: (2024)