Counteracting popularity-bias and improving diversity through calibrated recommendations (2023)
- Authors:
- USP affiliated authors: MANZATO, MARCELO GARCIA - ICMC ; SACILOTTI, ANDRE - ICMC ; SOUZA, RODRIGO FERRARI DE - ICMC
- Unidade: ICMC
- DOI: 10.5220/0011846000003467
- Subjects: SISTEMAS DE RECOMENDAÇÃO; APRENDIZADO COMPUTACIONAL
- Keywords: Recommender System; Popularity Bias; Fairness; Calibration
- Agências de fomento:
- Language: Inglês
- Imprenta:
- Publisher: SciTePress
- Publisher place: Setúbal
- Date published: 2023
- Source:
- Título: Proceedings
- ISSN: 2184-4992
- Conference titles: International Conference on Enterprise Information Systems - ICEIS
- Este periódico é de assinatura
- Este artigo é de acesso aberto
- URL de acesso aberto
- Cor do Acesso Aberto: hybrid
- Licença: cc-by-nc-nd
-
ABNT
SACILOTTI, Andre e SOUZA, Rodrigo Ferrari de e MANZATO, Marcelo Garcia. Counteracting popularity-bias and improving diversity through calibrated recommendations. 2023, Anais.. Setúbal: SciTePress, 2023. Disponível em: https://doi.org/10.5220/0011846000003467. Acesso em: 28 dez. 2025. -
APA
Sacilotti, A., Souza, R. F. de, & Manzato, M. G. (2023). Counteracting popularity-bias and improving diversity through calibrated recommendations. In Proceedings. Setúbal: SciTePress. doi:10.5220/0011846000003467 -
NLM
Sacilotti A, Souza RF de, Manzato MG. Counteracting popularity-bias and improving diversity through calibrated recommendations [Internet]. Proceedings. 2023 ;[citado 2025 dez. 28 ] Available from: https://doi.org/10.5220/0011846000003467 -
Vancouver
Sacilotti A, Souza RF de, Manzato MG. Counteracting popularity-bias and improving diversity through calibrated recommendations [Internet]. Proceedings. 2023 ;[citado 2025 dez. 28 ] Available from: https://doi.org/10.5220/0011846000003467 - A two-stage calibration approach for mitigating bias and fairness in recommender systems
- Enhancing calibration and reducing popularity bias in recommender systems
- Uma abordagem em etapa de processamento para redução do viés de popularidade
- Explorando formas de calibração e redução do viés de popularidade em sistemas de recomendação
- User perception of fairness-calibrated recommendations
- Digitally nudging users to explore off-profile recommendations: here be dragons
- Calibração de sistemas de recomendação com LLMs: otimização de prompts para balancear precisão, diversidade e justiça
- Evaluating zero-shot large language models recommenders on popularity bias and unfairness: a comparative approach to traditional algorithms
- Explorando Formas de Calibração e Redução do Viés de Popularidade em Sistemas de Recomendação
- Uma arquitetura de personalização de conteúdo baseada em anotações do usuário
Informações sobre o DOI: 10.5220/0011846000003467 (Fonte: oaDOI API)
Download do texto completo
| Tipo | Nome | Link | |
|---|---|---|---|
 |
3132623.pdf | Direct link |
How to cite
A citação é gerada automaticamente e pode não estar totalmente de acordo com as normas
