【技术实现步骤摘要】
本申请涉及推荐系统领域，特别是涉及实体推荐公平性度量方法、装置、设备及存储介质。
技术介绍
1、随着深度学习技术的发展，其带来的公平性问题逐渐受到人们的关注。其中包括大语言模型在实体推荐中的公平性问题。
2、通常，预训练语料库中的偏差会导致大语言模型存在公平性问题。在现有的公平性研究中，一部分研究旨在减少大语言模型的不公平性。例如，人类反馈强化学习（rlhf）和ai反馈强化学习（rlaif）用于防止强化现有的刻板印象和产生贬低性描述。此外，自然语言处理（nlp）界的另一个新兴研究领域侧重于通过提出新的基准来更好地评估大语言模型的不公正性。尽管在自然语言处理领域已有关于大语言模型公平性的研究，但目前还没有关于大语言模型与推荐系统结合的公平性的相关研究。
3、现有的推荐公平性工作关注于传统推荐中的公平性，主要分为两个方面：用户侧和物品侧。现有的用户侧公平主要可以分为两个方面：个体公平和群体公平。个体公平考虑每个个体都需要被公平对待，群体公平则考虑所有群体都要被公平对待。但是现有的用户侧公平都是在传统的推荐系统框架下进...
【技术保护点】
1.一种实体推荐公平性度量方法，其特征在于，所述方法包括：
2.根据权利要求1所述的实体推荐公平性度量方法，其特征在于，所述分别确定多个所述敏感推荐结果和所述中性推荐结果之间的相似度包括：
3.根据权利要求1所述的实体推荐公平性度量方法，其特征在于，所述分别确定多个所述敏感推荐结果和所述中性推荐结果之间的相似度包括：
4.根据权利要求1所述的实体推荐公平性度量方法，其特征在于，所述根据多个所述相似度确定所述大语言模型对不同所述目标用户特征的实体推荐公平性，包括：
5.根据权利要求1所述的实体推荐公平性度量方法，其特征在于...
【技术特征摘要】
1.一种实体推荐公平性度量方法，其特征在于，所述方法包括：
2.根据权利要求1所述的实体推荐公平性度量方法，其特征在于，所述分别确定多个所述敏感推荐结果和所述中性推荐结果之间的相似度包括：
3.根据权利要求1所述的实体推荐公平性度量方法，其特征在于，所述分别确定多个所述敏感推荐结果和所述中性推荐结果之间的相似度包括：
4.根据权利要求1所述的实体推荐公平性度量方法，其特征在于，所述根据多个所述相似度确定所述大语言模型对不同所述目标用户特征的实体推荐公平性，包括：
5.根据权利要求1所述的实体推荐公平性度量方法，其特征在于，所述根据多个所述相似度确定所述大语言模型对不同所述目标用户特征的实体推荐公平性，包括：
【专利技术属性】
技术研发人员：冯福利，张及之，何向南，鲍克勤，蔡仕豪，
申请(专利权)人：中国科学技术大学，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。