公平配对：基于两两比较的公平性排序恢复
计算机与社会
2024-08-26 v1 社会与信息网络
摘要
基于人类判断的两两比较是确定物品或个体排序的有效方法。然而，随着人类偏见从两两比较延续到恢复的排序中，对算法决策产生影响。本文提出了从两两比较中进行公平性排序恢复的问题。我们提出了一种基于组的准确度度量标准，用于量化从两两比较中恢复的排序的公平性。我们评估了最新排序恢复算法和抽样方法对准确度和公平性的影响，采用合成数据和实证数据。我们的结果表明，Fairness-Aware PageRank 和 GNNRank 配合 FA*IR 后处理能够有效缓解两两比较中现有的偏见，并提高恢复排序的总体准确度。我们概述了不同方法的局限性和优势，并提供了一个 Python 软件包，以促进从两两比较中进行公平排序恢复的复制和未来工作。
引用
@article{arxiv.2408.13034,
title = {Fair Pairs: Fairness-Aware Ranking Recovery from Pairwise Comparisons},
author = {Georg Ahnert and Antonio Ferrara and Claudia Wagner},
journal= {arXiv preprint arXiv:2408.13034},
year = {2024}
}
备注
Appendix and source code are available at https://github.com/wanLo/fairpair