trec 2019 fair ranking track

trec 2019 fair ranking track


    最近实验室要求参加trec 2019新出的track:fair ranking track。这里整理一下该任务的思想和要求。这次track主要为学术论文数据的排序。

1 Protocol

    会给定一个query集合Q,其中\(q\in Q\)。对于每个请求,会有一个query q和一个文档集合\(D_q\)。你需要做的就是根据q来重排序(rerank)\(D_q\),重排序结果是\(\pi\)。最后把每一个请求都处理完返回\(\pi\)的集合的\(\Pi\)。过程如下:

Algorithm 1 Evaluation protocol


\(\Pi\)←{}
for q,\(D_q\in Q\) do
\(\pi\)←SYSTEM(q,\(D_q\))
\(\Pi\)\(\Pi+[\pi]\)
end for
return \(\Pi\)


2 Evaluation

    衡量指标主要分为两部分,相关性(revelance)和公平性(fairness)。
    所谓相关性就是document和query的相关性,公平性主要为Author Exposure即论文作者的曝光度。
    先介绍如何衡量作者的曝光度:

2.1 Measuring Fairness

2.1.1 Measuring Author Exposure for a Single Ranking

    先为单个请求的重排序结果\(\pi\)计算作者的曝光度,某个作者a,在结果\(\pi\)的曝光度计算如下:

\[e_a^\pi=\sum^n_{i=1}[\gamma^{i-1}\Pi^{i-1}_{j=1}(1-p(s|\pi_j))]I(\pi_i\in D_a)\]

    其中\(\gamma\)是一个给定的常数,\(\gamma^{i-1}\)用于表示排序后的document从上到下逐渐衰减的重要程度。\(p(s|\pi_j)\)表示用户看到排序的第j篇文档停下来的概率,该track假设用户停止的概率\(p(s|\pi_j)\)=\(f(r_d)\),\(f(r_d)\)是用户被满足的概率,\(r_d\)是document和query的相关程度,f是一个单调函数。这代表着,document与query相关度越高,用户越容易被满足,所以停下来不再阅读。
    \(I(\pi_i\in D_a)\)是指示函数,当第i篇文档属于作者a,该函数值为1,否则为0。\(e^\pi_a\)是排序\(\pi\)中作者a的曝光度(exposure)。
    那么在所有结果中,作者a的曝光度如下:

\[e_a=\sum_{\pi\in \Pi}e^\pi_a\]

2.1.2 Measuring Author Relevance for a Single Ranking

    上一节是衡量对于作者的曝光度,这一节主要考虑作者的相关性。什么叫作者的相关性呢,它是衡量作者论文在排序中的相关性之和,也就是对作者论文重要性的考量。

\[r^\pi_a=\sum_{d\in D_a}p(s|d)\]

    \(r_a^\pi\)是排序\(\pi\)中作者a所有文章相关性的求和。

2.1.3 Measuring Group Fairness

    上面给出了单个作者的exposure和relevance,每个作者都有从属于的group,按group累加作者的fairness以及relevance就能分别得到group的exposure和relevance。

\[\epsilon_g=\frac{\sum_{a\in A_g}e_a}{\sum_{g'\in G}\sum_{a\in A_{g'}}e_a}\]

\[R_g=\frac{\sum_{a\in A_g}r_a}{\sum_{g'\in G}\sum_{a\in A_{g'}}r_a}\]

    所谓公平,就是让不同group的\(\epsilon_g\)\(R_g\)差距尽可能一致。

\[\Delta_g=|\epsilon_g-R_g|\]

   最后对所有group求一个Gini coefficient

\(\Delta=\frac{\sum_{g,g'\in G}|\Delta_g-\Delta_{g'}|}{2|G|\sum_{g\in G}\Delta_g}\)

2.2 Measuring Relevance

  前面按group计算了exposure,这一节给出相关性\(u_a^\pi\)的计算。和\(e_a^\pi\)的公式几乎一样,就是把指示函数换成\(p(s|\pi_i)\)

\[u_a^\pi=\sum^n_{i=1}[\gamma^{i-1}\Pi^{i-1}_{j=1}(1-p(s|\pi_j))]p(s|\pi_i)\]

\[U=\frac{1}{\Pi}\sum_{\pi\in \Pi}u^\pi\]

2.3 Trading Off Fairness and Relevance

    按作者给的文档原话说,理论上fairness和relevance能够达到最优,但是实际操作上,可能往往提高fairness会降低relevance。所以最终要按一定比例寻求一个平衡。

posted @ 2019-08-17 22:09 HaoPeng_Zhang 阅读(...) 评论(...) 编辑 收藏