BeMap：面向公平图神经网络的平衡消息传递
机器学习
2024-03-12 v2 人工智能
社会与信息网络
摘要
图神经网络中的公平性问题近期被广泛研究。然而，现有工作往往未显式考虑消息传递在引入或放大偏见中的作用。本文首先研究消息传递中的偏见放大问题。我们通过实验与理论证明，当来自不同人口统计群体的 1-跳邻居数量不平衡时，消息传递会放大偏见。受此分析指导，我们提出一种公平的消息传递方法 BeMap，其利用平衡感知采样策略来平衡每个节点在不同人口统计群体中的 1-跳邻居数量。在节点分类上的大量实验证明了 BeMap 在减轻偏见的同时保持分类准确性的有效性。代码见 https://github.com/xiaolin-cs/BeMap。
引用
@article{arxiv.2306.04107,
title = {BeMap: Balanced Message Passing for Fair Graph Neural Network},
author = {Xiao Lin and Jian Kang and Weilin Cong and Hanghang Tong},
journal= {arXiv preprint arXiv:2306.04107},
year = {2024}
}
备注
Accepted at the Second Learning on Graphs Conference (LoG 2023)