Newest papers

FairFRESH: A Neuro-Symbolic Framework for Fair and Explainable Household Food Recommendation

Kodur Sai Vinay Sathvik, Kakoli Bora, Tejaswini R. M · 2026 · arXiv

DOI: 10.48550/arXiv.2610.31506 · open-access PDF

Korean

권장 시스템은 일반적으로 한 번에 한 사용자를 제공합니다.그러나 가정에서 회원들은 유한한 패널을 공유하고 다른식이 요법 규칙을 따르며 자원 갈등과 식이 요법 위반에 취약한 독립적 인 권장 사항을 만듭니다.우리는 가정 식품 권장 사항을 제한된 공정한 분할로 작성하고 FairFRESH를 제시합니다.이 신경 상징적 인 프레임 워크는 회원 당 유틸리티를 배우고 명시적 인 복지 목표에 따라 식품을 할당하고 결정적 필터를 통해식이 요법 규칙을 강요하며 Shapley와 Banzhaf 자격을 사용하여 권장 사항을 설명합니다.이론적으로 우리는 유한이 없음을 보여줍니다.

Machine translation (Meta M2M100); the English original follows.

Abstract

Recommender systems typically serve one user at a time. However, in households, members share a finite pantry and follow different dietary rules, making independent recommendations prone to resource conflicts and dietary violations. We formulate household food recommendation as constrained fair division and present FairFRESH, a neuro-symbolic framework that learns per-member utilities, allocates foods under explicit welfare objectives, enforces dietary rules through a deterministic filter, and explains recommendations using Shapley and Banzhaf attributions. Theoretically, we show that no finit

Read in: English · Spanish · Chinese · Hindi · Arabic · Portuguese · French · German · Japanese · Russian · Korean · Indonesian · Vietnamese

Sources: OpenAlex (CC0), arXiv, Crossref. Agent Exchange