图嵌入的组合式公平性约束

学习高质量的节点嵌入是处理图数据（如社交网络与推荐系统）的机器学习模型的关键构建模块。然而，现有的图嵌入技术无法应对公平性约束，例如确保所学表示不与年龄或性别等特定属性相关。在此，我们引入一种对抗框架，以在图嵌入上强制实施公平性约束。我们的方法是组合式的——意味着它能在推理时灵活适配不同公平性约束的组合。例如，在社交推荐场景下，我们的框架可允许某一用户要求其推荐同时对其年龄与性别保持不变，同时也允许另一用户仅要求其推荐对年龄保持不变。在标准知识图谱与推荐系统基准上的实验凸显了我们提出框架的效用。