Cornell-onderzoekers hebben een eerlijker systeem ontwikkeld voor zoekaanbevelingen - van hotels tot vacatures tot video's - zodat een paar tophits niet alle aandacht krijgen.

Het nieuwe rankingsysteem biedt nog steeds relevante opties, maar verdeelt de aandacht van de gebruiker eerlijker over de zoekresultaten. Het kan worden toegepast op online markten zoals reissites, verhuurplatforms en nieuwsaggregators.

Yuta Saito, een doctoraalstudent op het gebied van computerwetenschappen en Thorsten Joachims, hoogleraar computerwetenschappen en informatiewetenschappen aan het Cornell Ann S. Bowers College of Computing and Information Science, beschreven hun nieuwe systeem in "Fair Ranking as Fair Division:Impact -Based Individual Fairness in Ranking", gepubliceerd in de Proceedings of the 28th ACM SIGKDD Conference on Knowledge Discovery and Data Mining .

"In aanbevelingssystemen en zoekmachines heeft degene die hoog wordt gerangschikt daar veel baat bij", zei Joachims. "De aandacht van de gebruiker is een beperkte hulpbron en we moeten deze eerlijk over de items verdelen."

Conventionele aanbevelingssystemen proberen items te rangschikken op basis van wat gebruikers willen zien, maar veel items krijgen oneerlijk lage posities in de volgorde. Items met vergelijkbare verdienste kunnen ver uit elkaar eindigen in de ranglijst, en voor sommige items is de kans dat ze op een platform worden ontdekt groter dan een willekeurige kans.

Om dit probleem op te lossen, ontwikkelde Saito een verbeterd classificatiesysteem op basis van ideeën die zijn ontleend aan de economie. Hij paste de principes van 'eerlijke verdeling' toe:hoe een beperkte hulpbron, zoals voedsel, eerlijk onder de leden van een groep te verdelen.

Saito en Joachims demonstreerden de haalbaarheid van het rangschikkingssysteem met behulp van synthetische en real-world data. Ze ontdekten dat het haalbare zoekresultaten voor de gebruiker biedt, terwijl het voldoet aan drie criteria voor eerlijke verdeling:het voordeel van elk item om op het platform te worden gerangschikt, is beter dan willekeurig ontdekt te worden; de impact van geen enkel item, zoals de omzet, kan gemakkelijk worden verbeterd; en geen enkel item zou een voordeel behalen door te veranderen hoe het wordt gerangschikt in vergelijking met andere items in een reeks zoekopdrachten.

"We hebben eerlijkheid in de ranglijst volledig opnieuw gedefinieerd", zei Saito. "Het kan worden toegepast op elk type tweezijdig classificatiesysteem."

Als het bijvoorbeeld op YouTube wordt gebruikt, zou het aanbevelingssysteem een ​​meer gevarieerde stroom video's presenteren, waardoor de inkomsten mogelijk gelijkmatiger over de makers van inhoud worden verdeeld. "We willen natuurlijk de gebruikers van het platform tevreden stellen, maar we moeten ook eerlijk zijn tegenover de videomakers, om hun diversiteit op de lange termijn te behouden," zei Saito.

In online wervingsplatforms zou het eerlijker systeem de zoekresultaten diversifiëren, in plaats van dezelfde topkandidaten aan alle werkgevers te tonen.

Bovendien wijzen de onderzoekers erop dat dit type aanbevelingssysteem kijkers ook kan helpen nieuwe films te ontdekken om online te bekijken, wetenschappers in staat kan stellen relevante presentaties op conferenties te vinden en een meer evenwichtige selectie van nieuwsverhalen aan consumenten te bieden. + Verder verkennen

Algoritme verbetert de eerlijkheid van zoekresultaten