Os pesquisadores da Cornell desenvolveram um sistema mais justo para recomendações de pesquisa - de hotéis a empregos e vídeos - para que alguns dos principais acessos não recebam toda a exposição.
O novo sistema de classificação ainda oferece opções relevantes, mas divide a atenção do usuário de forma mais equitativa nos resultados de pesquisa. Pode ser aplicado a mercados online, como sites de viagens, plataformas de contratação e agregadores de notícias.

Yuta Saito, estudante de doutorado na área de ciência da computação e Thorsten Joachims, professor de ciência da computação e ciência da informação na Cornell Ann S. Bowers College of Computing and Information Science, descreveram seu novo sistema em "Fair Ranking as Fair Division:Impact -Based Individual Fairness in Ranking", publicado nos Proceedings of the 28th ACM SIGKDD Conference on Knowledge Discovery and Data Mining .

"Em sistemas de recomendação e mecanismos de busca, quem obtém uma classificação alta tira muitos benefícios disso", disse Joachims. "A atenção do usuário é um recurso limitado e precisamos distribuí-la de forma justa entre os itens."

Os sistemas de recomendação convencionais tentam classificar itens puramente de acordo com o que os usuários desejam ver, mas muitos itens recebem posições injustamente baixas na ordem. Itens com mérito semelhante podem acabar distantes nos rankings e, para alguns itens, as chances de serem descobertos em uma plataforma são piores do que o acaso.

Para corrigir esse problema, Saito desenvolveu um sistema de classificação aprimorado baseado em ideias emprestadas da economia. Ele aplicou princípios de "divisão justa" - como alocar um recurso limitado, como comida, de forma justa entre os membros de um grupo.

Saito e Joachims demonstraram a viabilidade do sistema de classificação usando dados sintéticos e do mundo real. Eles descobriram que oferece resultados de pesquisa viáveis ​​para o usuário, ao mesmo tempo em que atende a três critérios de divisão justos:O benefício de cada item ao ser classificado na plataforma é melhor do que ser descoberto aleatoriamente; nenhum impacto de item, como receita, pode ser facilmente melhorado; e nenhum item ganharia vantagem mudando a forma como é classificado em comparação com outros itens em uma série de pesquisas.

"Redefinimos completamente a justiça no ranking", disse Saito. "Pode ser aplicado a qualquer tipo de sistema de classificação de dois lados."

Se empregado no YouTube, por exemplo, o sistema de recomendação apresentaria um fluxo de vídeos mais variado, potencialmente distribuindo os ganhos de forma mais uniforme para os criadores de conteúdo. “Queremos satisfazer os usuários da plataforma, é claro, mas também devemos ser justos com os criadores de vídeo, para sustentar sua diversidade a longo prazo”, disse Saito.

Nas plataformas de contratação online, o sistema mais justo diversificaria os resultados da pesquisa, em vez de mostrar os mesmos principais candidatos para todos os empregadores.

Além disso, os pesquisadores apontam que esse tipo de sistema de recomendação também pode ajudar os espectadores a descobrir novos filmes para assistir online, permitir que os cientistas encontrem apresentações relevantes em conferências e fornecer uma seleção mais equilibrada de notícias aos consumidores. + Explorar mais

O algoritmo melhora a imparcialidade dos resultados de pesquisa