Buchumschlag

Can Fairness Be Prompted? Prompt-Based Debiasing Strategies in High-Stakes Recommendations

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Rotar, Mihaela, Rampisela, Theresia Veronika, Maistro, Maria
Format:	Preprint
Veröffentlicht:	2026
Schlagworte:	Information Retrieval
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Can We Trust Recommender System Fairness Evaluation? The Role of Fairness and Relevance
von: Rampisela, Theresia Veronika, et al.
Veröffentlicht: (2024)

Offline Evaluation Measures of Fairness in Recommender Systems
von: Rampisela, Theresia Veronika
Veröffentlicht: (2026)

Joint Evaluation of Fairness and Relevance in Recommender Systems with Pareto Frontier
von: Rampisela, Theresia Veronika, et al.
Veröffentlicht: (2025)

Evaluation Measures of Individual Item Fairness for Recommender Systems: A Critical Study
von: Rampisela, Theresia Veronika, et al.
Veröffentlicht: (2023)

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

Stairway to Fairness: Connecting Group and Individual Fairness
von: Rampisela, Theresia Veronika, et al.
Veröffentlicht: (2025)

The Quest for Reliable Metrics of Responsible AI
von: Rampisela, Theresia Veronika, et al.
Veröffentlicht: (2025)

Recommending Target Actions Outside Sessions in the Data-poor Insurance Domain
von: Bruun, Simone Borg, et al.
Veröffentlicht: (2024)

Dataset and Models for Item Recommendation Using Multi-Modal User Interactions
von: Bruun, Simone Borg, et al.
Veröffentlicht: (2024)

Post-Training Denoising of User Profiles with LLMs in Collaborative Filtering Recommendation
von: Dervishaj, Ervin, et al.
Veröffentlicht: (2026)

Are Representation Disentanglement and Interpretability Linked in Recommendation Models? A Critical Review and Reproducibility Study
von: Dervishaj, Ervin, et al.
Veröffentlicht: (2025)

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

Personalized Prompt for Sequential Recommendation
von: Wu, Yiqing, et al.
Veröffentlicht: (2022)

PromptMM: Multi-Modal Knowledge Distillation for Recommendation with Prompt-Tuning
von: Wei, Wei, et al.
Veröffentlicht: (2024)

Multilingual Prompts in LLM-Based Recommenders: Performance Across Languages
von: Ozsoy, Makbule Gulcin
Veröffentlicht: (2024)

Hypercomplex Prompt-aware Multimodal Recommendation
von: Chen, Zheyu, et al.
Veröffentlicht: (2025)

Debiasing Recommendation with Personal Popularity
von: Ning, Wentao, et al.
Veröffentlicht: (2024)

Efficient Multi-task Prompt Tuning for Recommendation
von: Bai, Ting, et al.
Veröffentlicht: (2024)

Automating Personalization: Prompt Optimization for Recommendation Reranking
von: Wang, Chen, et al.
Veröffentlicht: (2025)

Collaborative User Prompt for Personalized Generative Recommendation
von: Ramos, Jerome, et al.
Veröffentlicht: (2024)

GANPrompt: Enhancing Robustness in LLM-Based Recommendations with GAN-Enhanced Diversity Prompts
von: Li, Xinyu, et al.
Veröffentlicht: (2024)

A Prompting-Based Representation Learning Method for Recommendation with Large Language Models
von: Chen, Junyi, et al.
Veröffentlicht: (2024)

RecPrompt: A Self-tuning Prompting Framework for News Recommendation Using Large Language Models
von: Liu, Dairui, et al.
Veröffentlicht: (2023)

Hierarchical Interaction Summarization and Contrastive Prompting for Explainable Recommendations
von: Liu, Yibin, et al.
Veröffentlicht: (2025)

Reinforced Prompt Personalization for Recommendation with Large Language Models
von: Mao, Wenyu, et al.
Veröffentlicht: (2024)

CaDRec: Contextualized and Debiased Recommender Model
von: Wang, Xinfeng, et al.
Veröffentlicht: (2024)

Graph-based Recommendation for Sparse and Heterogeneous User Interactions
von: Bruun, Simone Borg, et al.
Veröffentlicht: (2023)

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

Prompt-based Multi-interest Learning Method for Sequential Recommendation
von: Dong, Xue, et al.
Veröffentlicht: (2024)

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

Prompt-enhanced Federated Content Representation Learning for Cross-domain Recommendation
von: Guo, Lei, et al.
Veröffentlicht: (2024)

PCL: Prompt-based Continual Learning for User Modeling in Recommender Systems
von: Yang, Mingdai, et al.
Veröffentlicht: (2025)

Are Longer Prompts Always Better? Prompt Selection in Large Language Models for Recommendation Systems
von: Kusano, Genki, et al.
Veröffentlicht: (2024)

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

Enhancing News Recommendation with Hierarchical LLM Prompting
von: Kieu, Hai-Dang, et al.
Veröffentlicht: (2025)

A Framework for Lightweight Responsible Prompting Recommendation
von: Machado, Tiago, et al.
Veröffentlicht: (2025)

Prompt Tuning for Item Cold-start Recommendation
von: Jiang, Yuezihan, et al.
Veröffentlicht: (2024)

Debiased Model-based Interactive Recommendation
von: Li, Zijian, et al.
Veröffentlicht: (2024)

Prompt-Unknown Promotion Attacks against LLM-based Sequential Recommender Systems
von: Zhao, Yuchuan, et al.
Veröffentlicht: (2026)

A Contrastive Pretrain Model with Prompt Tuning for Multi-center Medication Recommendation
von: Liu, Qidong, et al.
Veröffentlicht: (2024)