具有公平性、多样性与预算约束的众包
人工智能
2019-03-04 v2
摘要
近期研究表明，从众包工作者处收集到的标签可能针对性别、种族等敏感属性具有歧视性。这引发了关于将众包数据进一步使用（例如用于训练机器学习算法）是否合适的问题。在这项工作中，我们解决了在预算约束下从人群中进行公平且多样化数据收集的问题。我们提出了一种新颖的算法，在最大化所收集数据期望准确率的同时，确保误差满足期望的公平性概念。我们给出了算法性能的保证，并通过在真实数据集上的实验表明该算法在实践中表现良好。
引用
@article{arxiv.1810.13314,
title = {Crowdsourcing with Fairness, Diversity and Budget Constraints},
author = {Naman Goel and Boi Faltings},
journal= {arXiv preprint arXiv:1810.13314},
year = {2019}
}