公平性への階段：集団的公平性と個別的公平性の接続

Stairway to Fairness: Connecting Group and Individual Fairness

August 29, 2025

著者: Theresia Veronika Rampisela, Maria Maistro, Tuukka Ruotsalo, Falk Scholer, Christina Lioma

cs.AI

要旨

レコメンダーシステム（RS）における公平性は、一般的にグループ公平性と個人公平性に分類されます。しかし、これら2種類の公平性の関係について確立された科学的理解は存在しません。なぜなら、これまでの研究では、各公平性タイプに対して異なる評価指標や評価目的が使用されており、両者を適切に比較することができなかったためです。その結果、一方の公平性を高めることが他方にどのような影響を及ぼすかは、現在のところ不明です。このギャップを埋めるため、私たちはグループ公平性と個人公平性の関係を、両方の公平性タイプに適用可能な評価指標の包括的な比較を通じて調査しました。3つのデータセットにわたる8回の実験結果から、グループに対して非常に公平なレコメンデーションが、個人にとっては非常に不公平である可能性があることが示されました。この発見は新規性があり、システムの公平性を向上させようとするRS実務者にとって有用です。私たちのコードは以下で公開されています：https://github.com/theresiavr/stairway-to-fairness。

English

Fairness in recommender systems (RSs) is commonly categorised into group fairness and individual fairness. However, there is no established scientific understanding of the relationship between the two fairness types, as prior work on both types has used different evaluation measures or evaluation objectives for each fairness type, thereby not allowing for a proper comparison of the two. As a result, it is currently not known how increasing one type of fairness may affect the other. To fill this gap, we study the relationship of group and individual fairness through a comprehensive comparison of evaluation measures that can be used for both fairness types. Our experiments with 8 runs across 3 datasets show that recommendations that are highly fair for groups can be very unfair for individuals. Our finding is novel and useful for RS practitioners aiming to improve the fairness of their systems. Our code is available at: https://github.com/theresiavr/stairway-to-fairness.