Advances in Bias and Fairness in Information Retrieval : 5th International Workshop, BIAS 2024, Washington, DC, USA, July 18, 2024, Revised Selected Papers (Communications in Computer and Information Science) / Bellogin, Alejandro (EDT)/ Boratto, Ludovico (EDT)/ Kleanthous, Styliani (EDT)

ホーム
> 洋書
> ドイツ書
> Mathematics, Sciences & Technology
> Computer & Internet
> internet, data communication, networks

Advances in Bias and Fairness in Information Retrieval : 5th International Workshop, BIAS 2024, Washington, DC, USA, July 18, 2024, Revised Selected Papers (Communications in Computer and Information Science) （2024）

個数：

Advances in Bias and Fairness in Information Retrieval : 5th International Workshop, BIAS 2024, Washington, DC, USA, July 18, 2024, Revised Selected Papers (Communications in Computer and Information Science) （2024）

Bellogin, Alejandro (EDT)/ Boratto, Ludovico (EDT)/ Kleanthous, Styliani (EDT)

ウェブストア価格 ¥13,175（本体¥11,978）
Springer International Publishing AG（2024/10発売）
外貨定価 US$ 64.99
ポイント 119pt

提携先の海外書籍取次会社に在庫がございます。通常3週間で発送いたします。
【重要ご説明事項】
1. 納期遅延や、ご入手不能となる場合が若干ございます。
2. 複数冊ご注文の場合、分割発送となる場合がございます。
3. 美品のご指定は承りかねます。

●3Dセキュア導入とクレジットカードによるお支払いについて

【入荷遅延について】
世界情勢の影響により、海外からお取り寄せとなる洋書・洋古書の入荷が、表示している標準的な納期よりも遅延する場合がございます。
おそれいりますが、あらかじめご了承くださいますようお願い申し上げます。

◆画像の表紙や帯等は実物とは異なる場合があります。

◆ウェブストアでの洋書販売価格は、弊社店舗等での販売価格とは異なります。
また、洋書販売価格は、ご注文確定時点での日本円価格となります。
ご注文確定後に、同じ洋書の販売価格が変動しても、それは反映されません。

製本 Paperback:紙装版/ペーパーバック版／ページ数 103 p.
商品コード 9783031719745

Full Description

This book constitutes the refereed proceedings of the 5th International Workshop on Algorithmic Bias in Search and Recommendation, BIAS 2024, held in Washington, DC, USA, on July 18, 2024 in hybrid mode.

The 7 full papers included in this book were carefully reviewed and selected from 20 submissions. They are grouped into three thematic sessions, each focusing on distinct aspects of bias and fairness in information retrieval.

An Offer you Cannot Refuse? Trends in the Coercive Impact of Amazon Book Recommendations.- Retention Induced Biases in a Recommendation System with Heterogeneous Users.- Political Bias of Large Language Models in Few-shot News Summarization.- Fairness Analysis of Machine Learning-Based Code Reviewer Recommendation.- Bias Reduction in Social Networks through Agent-Based Simulations.- vivaFemme: Mitigating Gender Bias in Neural Team Recommendation via Female-Advocate Loss Regularization.- Simultaneous Unlearning of Multiple Protected User Attributes From Variational Autoencoder Recommenders Using Adversarial Training.