利用社交网络在无人口统计信息下实现群体公平
计算机与社会
2023-05-22 v1 社会与信息网络
摘要
群体公平是一种防止基于种族、性别和残疾等敏感属性对个体产生不利对待的流行方法。然而，群体公平对离散群体信息获取的依赖引发了若干局限与担忧，尤其在隐私、交叉性和未预见的偏见方面。在这项工作中，我们提出了一种不依赖敏感属性、而是基于社交网络中同质性（即共享相似属性的个体更可能相连的普遍特性）的“无群体”公平性度量。我们的度量是无群体的，因为它避免恢复任何形式的群体成员身份，仅使用个体间的成对相似性来定义相对于网络中同质性结构的结果不平等。我们从理论上论证了该度量与经济不平等文献中加性可分解性概念相一致，并界定了非敏感混淆属性的影响。此外，我们应用该度量开发了用于分类、最大化信息访问和推荐系统的公平算法。实验结果表明，所提方法能在不知晓敏感属性标签的情况下降低受保护类别间的不平等。我们以讨论该方法在真实世界场景中应用的局限性作结。
引用
@article{arxiv.2305.11361,
title = {Group fairness without demographics using social networks},
author = {David Liu and Virginie Do and Nicolas Usunier and Maximilian Nickel},
journal= {arXiv preprint arXiv:2305.11361},
year = {2023}
}