Equidad en un sistema de recomendación de preguntas para Stack Overflow

FRANCISCO LÓPEZ DESTAIN; MARIANO G. BEIRO; J IGNACIO ALVAREZ-HAMELIN

Buenos Aires

Workshop; II Workshop in Machine Learning and Data Science; 2023

Universidad Torcuato Di Tella

Los sistemas de recomendación tradicionales suelen ofrecer recomendaciones en base a similaridades entre los usuarios. La creciente ubicuidad de este tipo de algoritmos en la sociedad nos plantea desafíos respecto a sus posibles consecuencias negativas, como la formación de burbujas de filtro o la discriminación de algunos grupos de usuarios.En este trabajo proponemos un sistema de recomendación de preguntas para la plataforma Stack Overflow, que permita sugerir preguntas a responder a potenciales usuarios, manteniendo cierta noción de equidad entre los usuarios seleccionados. Para ello desarrollamos una arquitectura basada en técnicas de procesamiento de lenguaje natural (NLP) y en un modelo de aprendizaje automático de tipo Learning-to-Rank (LTR), seguido de un algoritmo de equidad para garantizar que los usuarios recomendados sean diversos.