社交网络社区检测方法的群体公平性指标

社区结构的理解在解释网络演化方面发挥着关键作用，因为节点加入社区，这些社区与节点之间的连接进一步形成大规模的复杂网络。在现实网络中，节点往往基于民族、性别、种族或财富等因素组织成社区，导致结构性偏见和不平等。社区检测（CD）方法利用网络结构和节点的属性来识别社区，如果未能考虑结构性不平等，可能会产生偏差，尤其影响少数群体。在本文中，我们提出了群体公平性指标（$\Phi^{F*}_{p}$）用于从公平性角度评估 CD 方法。我们还对现有 CD 方法进行了比较分析，关注其性能与公平性之间的权衡，以确定某些方法是否基于其规模、密度或导数优势偏好特定类型的社区。我们的发现表明，权衡在不同方法之间差异很大，没有任何特定类型的方法在 consistently 上 outperform 其他方法。提出的指标和见解将有助于开发和评估公平且高性能的 CD 方法。