本文综述推荐系统公平性研究，涵盖消费者与生产者双边公平，提出FairRec、CP-FairRank、TFROM等算法，兼顾曝光公平、无嫉妒与长期公平，在多个数据集上验证可提升公平性且推荐质量损失微小，并探讨公平度量与未来方向。

本文提出了一种框架，以实现长期公平的顺序决策制定。通过强制性和软性干预，将路径特定效应作为测量长期公平性的定量工具。公平的顺序决策制定问题被规定为一个以效用为目标、长期和短期公平性为约束条件的约束优化问题。使用重复风险最小化（RRM）进行模型训练，并在理论上分析了RRM的收敛性。经验证实，该算法在时间数据集上表现良好。