位于巴塞罗那的音乐科技集团(Music Technology Group, MTG)的一项研究发现，一种被广泛使用的推荐算法更有可能选择男性艺术家的音乐，而对女性艺术家不利。

尽管性别歧视的问题在音乐行业已经很严重，但巴塞罗那庞培法布拉大学(UPF)和荷兰乌得勒支大学(UU)的研究人员发现，音乐推荐算法正在扩大性别差距。

Andrés feraro和Xavier Serra, UPF的MTG研究人员，沐鸣测速地址以及UU的Christine Bauer，最近发表了一篇关于音乐推荐系统中的性别平衡的论文，他们问自己这个系统应该如何避免性别偏见。

最初，费拉罗、塞拉和鲍尔的作品旨在从艺术家的角度理解在线音乐平台的公平性。在对音乐艺术家的采访中，他们发现性别公正是他们最关心的问题之一。

研究小组测试了一种常用的基于协同过滤的音乐推荐算法，并分析了两个数据集的结果。他们发现，在这两种情况下，算法都重现了数据集中存在的偏见，其中只有25%的艺术家是女性。

此外，该算法还会生成一个向用户推荐的艺术家排名。在这里，研究人员发现平均而言，女性艺术家的第一推荐排名在第六位或第七位，而男性艺术家的第一推荐排名在第七位。费拉罗解释说:“接触的偏见来自于它产生推荐的方式。”这意味着根据系统的推荐，女性接触的可能性更小。

研究人员称，当用户听推荐歌曲时，算法也会学习，情况就会恶化。这反过来又创造了一个反馈循环。但在重新排序的算法的帮助下，用户改变了他们的行为，从而倾听更多的女性艺术家。

研究人员提出了另一种方法，允许更多的女性艺术家出现在推荐名单上，其中包括对推荐名单进行重新排序，将特定的职位向下调整，以解决现有的性别偏见。

在一次模拟中，该团队研究了分类推荐将如何长期影响用户行为。结果表明，沐鸣测速与其他音乐推荐算法相比，在重新分类算法的帮助下，用户会改变他们的行为，因此会更多地听女性艺术家的音乐，而基于机器学习的新算法会融合这种行为上的改变。