个性化推荐已经成为生活和工作中必不可少的一部分。用户在关注推荐效果的同时，也越来越关注个性化推荐带来的公平性问题。本报告中将国际上与个性化推荐公平性相关的研究做了梳理和总结。对于公平性的定义，我们从结果公平和过程公平、个体公平和群体公平、单次公平和均摊公平、一致公平和校准公平、无嫉妒公平和反事实公平等不同的层次和角度展开讨论。另外，我们还对公平性的主体和对象、公平性产生的原因以及公平性的衡量方法进行了介绍和分析。
专家报告
个性化推荐的公平性研究
清华大学计算机系教授 张敏专家介绍
张敏，清华大学计算机科学与技术系教授、智能技术与系统重点实验室（人智所）副主任、清华大学教育部-微软网络与媒体技术重点实验室副主任、ACM Transaction on Information Systems (TOIS) 编委、中国中文信息学会理事；中国中文信息学会信息检索专委会、社会媒体计算专委会委员；中国人工智能学会机器学习专委会、人工心理与人工情感专委会委员；中国计算机学会中文信息技术专委会委员。主要研究领域有信息检索，个性化推荐，用户行为分析，机器学习。牵头完成多项国家重点研发计划项目、国家自然科学基金项目、教育部课题等，曾获“高校计算机专业优秀教师奖励计划”奖励（2018）、北京市科学技术奖一等奖（2015）、清华大学青年教师教学优秀奖 (2007)。