arXiv · cs.AI· Kodur Sai Vinay Sathvik·· 4 天前AI 评分21
FairFRESH：面向公平且可解释家庭食物推荐的神经符号框架
FairFRESH: A Neuro-Symbolic Framework for Fair and Explainable Household Food Recommendation
来源与原文
arXiv · cs.AI
作者：Kodur Sai Vinay Sathvik
发布时间：（北京时间）
阅读原始来源 · arxiv.org ↗完整链接与内容说明
https://arxiv.org/abs/2610.31506v1
本站目前仅有 AI 导读与摘要，未展示原文正文；技术细节、代码和完整结论请查看原始来源。
AI 导读
论文提出神经符号框架 FairFRESH，将家庭食物推荐建模为约束性公平分配，学习成员个体效用、通过确定性过滤器强制饮食规则，并基于 Shapley 和 Banzhaf 归因进行解释。在 NHANES 衍生数据上，学习效用模型 Recall@20 达 0.293，优于五个学习型推荐器（最高 0.244）；四人家庭测试中 Nash 分配使 Gini 差距相对冲突消解降低 42%，Recall@20 从 0.180 提升至 0.197。所有推荐均满足编码的饮食规则，归因分数与移除组件后的效用损失相关（r = 0.76），模拟中共享餐食使储藏消耗减少约三分之一。
来源：arXiv · cs.AI · arxiv.org