.png){kind=icon}
返回
Towards accurate context-aware user simulation for algorithm auditing
.png){kind=icon}
PRE
AI
DOI：10.1007/s00371-025-04160-9.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
对具有情境感知能力的移动算法进行透明度和公平性审计，对于保障在线个性化平台的安全性至关重要。当前的审计方法主要采用模拟用户交互（如点击、分享或跳过）的黑箱干预手段。然而，这些方法忽视了情境信号，特别是日益被在线平台采用的物理活动（如锻炼、乘坐公共交通和工作）等。因此，我们提出了TRUST框架，这是首个用于审计情境感知移动算法的conText-awaRe User SimulaTion框架。我们的方法采用三层用户建模框架，包含用户群体、角色和活动层，以全面建模用户与活动的关系。随后，我们运用马尔可夫链来建模活动转换，接着采用基于RNN的变分自编码器生成逼真的传感器级活动信号。通过对抗训练模型，确保合成数据能够准确复制真实传感器输入的分布。在28k人工收集的真实世界样本上的实验表明，生成数据在移动活动识别中达到93%的准确率，接近真实样本的性能（98%）。
Keyword:
User simulation
Personalization algorithms
Algorithm auditing
Fairness
期刊
T
IF:
0
论文数:
369
被引数:
0
机构
引用论文
The algorithm audit: Scoring the algorithms that score us算法审计: 对为我们评分的算法进行评分.png)
BIG DATA & SOCIETY
OAAI
BIG DATA & SOCIETYIF5.9
OAAI分享收藏Context-aware recommendations through context and activity recognition in a mobile environment通过移动环境中的上下文和活动识别实现上下文感知推荐
PREAI
分享收藏Xenia: A context aware tour recommendation system based on social network metadata information2016 11th International Workshop on Semantic and Social Media Adaptation and Personalization (SMAP)
2016 11th International Workshop on Semantic and Social Media Adaptation and Personalization (SMAP)IF0
PREAI
分享收藏Context-Aware Recommender Systems in the Music Domain: A Systematic Literature ReviewElectronicsOAAI
ElectronicsIF0
OAAI分享收藏IOT and context‐aware learning‐based optimal neural network model for real‐time health monitoring
PREAI
分享收藏
查看更多内容