近年、知的決定システムにおける公正性の考慮が注目されています。特に説明可能な推薦システムは、説明の偏りやパフォーマンスの不均衡に悩まされることがあります。本研究では、ユーザーの活動レベルに基づいて異なるグループを分析し、推薦パフォーマンスにおけるバイアスを発見しました。具体的には、非アクティブなユーザーは十分なトレーニングデータがなく、活発なユーザーのトレーニング記録によってバイアスを受けやすく、不満足な推薦を受ける可能性が高いことが示されました。そこで、本論文では、公正性を確保するためのヒューリスティック再ランク付け手法を提案し、知識グラフに基づく説明可能な推薦の文脈での不公平問題を軽減することを目指します。実際のデータセットを用いた実験の結果、提案手法は高品質の説明可能な推薦を提供しつつ、推薦の不公平性を低減できることが示されました。