公平性感知图学习基准
机器学习
2024-07-18 v1 计算机与社会
社会与信息网络
摘要
公平性感知图学习近年来受到越来越多的关注。然而，缺乏全面基准来评估和比较不同的公平性感知图学习方法，阻碍了实践者为更广泛的实际应用选择合适的方法。在本文中，我们在十个代表性公平性感知图学习方法上进行了广泛基准测试。具体而言，我们设计了系统化的评估协议，并在七个真实数据集上进行实验，从多个角度评估这些方法，包括组公平性、个体公平性、不同公平准则之间的平衡以及计算效率。我们的深入分析揭示了现有方法的优势和局限性。此外，我们提供了在实际应用中应用公平性感知图学习方法的实用指导。据我们所知，本工作是推动该领域未来发展的全面理解代表性公平性感知图学习方法的初步步骤。
引用
@article{arxiv.2407.12112,
title = {A Benchmark for Fairness-Aware Graph Learning},
author = {Yushun Dong and Song Wang and Zhenyu Lei and Zaiyi Zheng and Jing Ma and Chen Chen and Jundong Li},
journal= {arXiv preprint arXiv:2407.12112},
year = {2024}
}