从公平性到无限: 结果不可区分的预测在演化图中的应用

专业网络通过推荐和介绍为获取机会提供了不可或缺的入口。丰富的文献表明，这些网络也有助于固化甚至加剧特权与不利地位的现存格局。雇佣平台凭借能够引导链接形成的能力，为有益的结构性变革提供了诱人空间。我们预期，关键在于能够估计演化图中边形成的可能性。结果不可区分的预测算法确保建模的世界与真实世界在统计检验家族中不可区分。全能预测器确保预测可以经过后处理，以相对于基准类预测器在许多损失函数下实现最小化。我们首先观察到，通过结合 Vovk (2007) 的在线 K29 星算法的稍作修改与再生产核希尔伯特空间理论的基本事实，可以导出满足结果不可区分性和全能预测的简单高效在线算法，这些保证优于或补充当前已知的保证。这本身就是独立的兴趣。我们将这些技术应用于演化图，获得用于丰富——可能是无限的——区分器集合的在线结果不可区分全能预测器，该集合捕获节点对及其邻域的属性。这至少包括：相对于人口统计学群体对边形成的多校准预测，以及能够同时优化由多种社会福利函数衡量的损失。