A two-stage calibration approach for mitigating bias and fairness in recommender systems (2024)
- Authors:
- USP affiliated authors: MANZATO, MARCELO GARCIA - ICMC ; SOUZA, RODRIGO FERRARI DE - ICMC
- Unidade: ICMC
- DOI: 10.1145/3605098.3636092
- Assunto: SISTEMAS DE RECOMENDAÇÃO
- Keywords: Recommender System; Popularity Bias; Fairness; Calibration
- Agências de fomento:
- Language: Inglês
- Imprenta:
- Source:
- Título: Proceedings
- Conference titles: ACM/SIGAPP Symposium on Applied Computing - SAC
- Este periódico é de assinatura
- Este artigo NÃO é de acesso aberto
- Cor do Acesso Aberto: closed
-
ABNT
SOUZA, Rodrigo Ferrari de e MANZATO, Marcelo Garcia. A two-stage calibration approach for mitigating bias and fairness in recommender systems. 2024, Anais.. New York: ACM, 2024. Disponível em: https://doi.org/10.1145/3605098.3636092. Acesso em: 29 dez. 2025. -
APA
Souza, R. F. de, & Manzato, M. G. (2024). A two-stage calibration approach for mitigating bias and fairness in recommender systems. In Proceedings. New York: ACM. doi:10.1145/3605098.3636092 -
NLM
Souza RF de, Manzato MG. A two-stage calibration approach for mitigating bias and fairness in recommender systems [Internet]. Proceedings. 2024 ;[citado 2025 dez. 29 ] Available from: https://doi.org/10.1145/3605098.3636092 -
Vancouver
Souza RF de, Manzato MG. A two-stage calibration approach for mitigating bias and fairness in recommender systems [Internet]. Proceedings. 2024 ;[citado 2025 dez. 29 ] Available from: https://doi.org/10.1145/3605098.3636092 - 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
- Counteracting popularity-bias and improving diversity through calibrated recommendations
- 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: 10.1145/3605098.3636092 (Fonte: oaDOI API)
Download do texto completo
| Tipo | Nome | Link | |
|---|---|---|---|
 |
3196737.pdf |
How to cite
A citação é gerada automaticamente e pode não estar totalmente de acordo com as normas
