BriefGPT - AI 论文速递 · 2023-08-25T00:00:00Z 基于组公平的 Plackett-Luce 排名模型的相关性和事后公平优化 💡 原文中文，约300字，阅读约需1分钟。 📝 内容提要 该研究提出了一种新的目标函数，通过性能约束来最大化预期相关性，以确保学习排序的后验公平性。该方法在LTR框架中构建了一个组内公平的Plackett-Luce模型，并在三个真实数据集上进行了实验证明，相比LTR基线模型，在相关性和公平性方面具有更好的性能。 🏷️ 标签 LTR框架 公平性 性能约束 目标函数 相关性 阅读原文 生成长图 分享链接 已复制链接
