:: Library Catalog

Buchumschlag

Gespeichert in:

Bibliographische Detailangaben
1. Verfasser:	Rampisela, Theresia Veronika
Format:	Preprint
Veröffentlicht:	2026
Schlagworte:	Information Retrieval
Online-Zugang:	https://arxiv.org/abs/2604.25032
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

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

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

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

Can Fairness Be Prompted? Prompt-Based Debiasing Strategies in High-Stakes Recommendations
von: Rotar, Mihaela, et al.
Veröffentlicht: (2026)

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)

Measuring Fairness in Large-Scale Recommendation Systems with Missing Labels
von: Dong, Yulong, et al.
Veröffentlicht: (2024)

Can Offline Metrics Measure Explanation Goals? A Comparative Survey Analysis of Offline Explanation Metrics in Recommender Systems
von: Zanon, André Levi, et al.
Veröffentlicht: (2023)

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

A Universal Framework for Offline Serendipity Evaluation in Recommender Systems via Large Language Models
von: Tokutake, Yu, et al.
Veröffentlicht: (2025)

CFaiRLLM: Consumer Fairness Evaluation in Large-Language Model Recommender System
von: Deldjoo, Yashar, et al.
Veröffentlicht: (2024)

Evaluating and Addressing Fairness Across User Groups in Negative Sampling for Recommender Systems
von: Xuan, Yueqing, et al.
Veröffentlicht: (2023)

On the Reliability of Sampling Strategies in Offline Recommender Evaluation
von: Pereira, Bruno L., et al.
Veröffentlicht: (2025)

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

Reward Balancing Revisited: Enhancing Offline Reinforcement Learning for Recommender Systems
von: Shu, Wenzheng, et al.
Veröffentlicht: (2025)

Reformulating Conversational Recommender Systems as Tri-Phase Offline Policy Learning
von: Zhang, Gangyi, et al.
Veröffentlicht: (2024)

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

Enhancing New-item Fairness in Dynamic Recommender Systems
von: Guo, Huizhong, et al.
Veröffentlicht: (2025)

DARLR: Dual-Agent Offline Reinforcement Learning for Recommender Systems with Dynamic Reward
von: Zhang, Yi, et al.
Veröffentlicht: (2025)

Beyond Offline A/B Testing: Context-Aware Agent Simulation for Recommender System Evaluation
von: Bougie, Nicolas, et al.
Veröffentlicht: (2026)

Adaptive Autoguidance for Item-Side Fairness in Diffusion Recommender Systems
von: Li, Zihan, et al.
Veröffentlicht: (2026)

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

Scalable and Provably Fair Exposure Control for Large-Scale Recommender Systems
von: Togashi, Riku, et al.
Veröffentlicht: (2024)

Fair Reciprocal Recommendation in Matching Markets
von: Tomita, Yoji, et al.
Veröffentlicht: (2024)

Multi-task Offline Reinforcement Learning for Online Advertising in Recommender Systems
von: Liu, Langming, et al.
Veröffentlicht: (2025)

Evaluating Generative AI Tools for Personalized Offline Recommendations: A Comparative Study
von: Salinas-Buestan, Rafael, et al.
Veröffentlicht: (2025)

Time to Split: Exploring Data Splitting Strategies for Offline Evaluation of Sequential Recommenders
von: Gusak, Danil, et al.
Veröffentlicht: (2025)

Exploitation Over Exploration: Unmasking the Bias in Linear Bandit Recommender Offline Evaluation
von: Pires, Pedro R., et al.
Veröffentlicht: (2025)

BiFair: A Fairness-aware Training Framework for LLM-enhanced Recommender Systems via Bi-level Optimization
von: Zhang, Jiaming, et al.
Veröffentlicht: (2025)

Fréchet Distance for Offline Evaluation of Information Retrieval Systems with Sparse Labels
von: Arabzadeh, Negar, et al.
Veröffentlicht: (2024)

Online and Offline Evaluations of Collaborative Filtering and Content Based Recommender Systems
von: Elahi, Ali, et al.
Veröffentlicht: (2024)

Understanding Fairness in Recommender Systems: A Healthcare Perspective
von: Kecki, Veronica, et al.
Veröffentlicht: (2024)

Adaptive Fair Representation Learning for Personalized Fairness in Recommendations via Information Alignment
von: Zhu, Xinyu, et al.
Veröffentlicht: (2024)

Sustainability Evaluation Metrics for Recommender Systems
von: Felfernig, Alexander, et al.
Veröffentlicht: (2025)

How Fair is Your Diffusion Recommender Model?
von: Malitesta, Daniele, et al.
Veröffentlicht: (2024)

Improving Minimax Group Fairness in Sequential Recommendation
von: Acharya, Krishna, et al.
Veröffentlicht: (2025)

Towards Fair Large Language Model-based Recommender Systems without Costly Retraining
von: Li, Jin, et al.
Veröffentlicht: (2026)

Understanding the Role of Cross-Entropy Loss in Fairly Evaluating Large Language Model-based Recommendation
von: Xu, Cong, et al.
Veröffentlicht: (2024)

Regret-aware Re-ranking for Guaranteeing Two-sided Fairness and Accuracy in Recommender Systems
von: Ye, Xiaopeng, et al.
Veröffentlicht: (2025)