다운로드 reranking - 소스 코드 다운로드의 reranking

reranking

기타 소스코드

1.0.0

다운로드

재고 : 추천 및 검색을위한 공정성/개인화

Reranking은 지정된 항목 속성 분포에 순위가 매겨진 항목을 다시 평가하기위한 알고리즘을 제공합니다.

이 패키지는 사후 처리 모듈화 권장 시스템 또는 검색 엔진으로 사용할 수 있습니다.

LinkedIn Talent Search에 응용 프로그램이 포함 된 검색 및 추천 시스템에서 종이 공정성 인식 순위에서 영감을 얻었습니다.

사용의 개념

공정성 : 모든 사용자에게 동일한 배포를 부과합니다

"채용 담당자에게 후보자를 추천하는 것"을 예로 들어 보시는 (논문에서 강조한 LinkedIn 채용 담당자 서비스의 경우), 검색 엔진 순위는 채용 담당자에게 공정한 전시를 고려하여 성별 및 인구 통계 학적 패리티와 같은 보호 된 속성의 분포에 의해 재구성됩니다.

개인화 : 각 사용자에게 개인화 된 배포판을 부과합니다

예를 들어, 사용자에게 제품을 추천 할 때 각 사용자의 제품 선호 분포 (구매 로그 또는 뷰 로그에서 얻을 수있는 제품)를 사용하여 추천 시스템을 통해 항목 순위를 다시 평가하여보다 개인화 된 권장 사항을 얻을 수 있습니다.

설치

$ pip install reranking

예

다시 순위

 import reranking
item_attribute = [ "a1" , "a1" , "a1" , "a2" , "a1" , "a1" , "a1" , "a2" , "a2" , "a1" ]
desired_distribution = { "a1" : 0.5 , "a2" : 0.5 }
rerank_indices = reranking . rerank (
    item_attribute ,  # attributes of the ranked items
    desired_distribution ,  # desired item distribution
    max_na = None ,  # controls the max number of attribute categories applied
    k_max = None ,  # length of output, if None, k_max is the length of `item_attribute`
    algorithm = "det_greedy" ,  # "det_greedy", "det_cons", "det_relaxed", "det_const_sort"
    verbose = False ,  # if True, the output is with detailed information
)
print ( rerank_indices )

rerank_indices 는 [0, 3, 1, 7, 2, 8, 4, 5, 6, 9] 이며, 이는 원하는 분포에 의해 재 계정 후 항목 지수 목록입니다. 원하는 항목이 충분한 경우 다시 순위 목록의 상단 항목은 원하는 분포와 동일한 분포와 동일한 분포를 갖습니다. ( item_attribute 항목 목록과 동일한 순서를 가지므로 순위/점수 정보가 포함되어 있습니다.)

평가하다

 # Evaluate the before&after of the re-ranking result above
item_attribute_reranked = [ item_attribute [ i ] for i in rerank_indices ]
before = reranking . ndkl ( item_attribute , desired_distribution )
after = reranking . ndkl ( item_attribute_reranked , desired_distribution )
print ( f" { before :.3f } , { after :.3f } " )