通过最优传输获得二部公平性
机器学习
2022-11-30 v2 人工智能
摘要
公平性已被视为机器学习模型的关键指标,并被看作可信机器学习的重要组成部分。本文关注于为流行的链接预测任务获取公平性,该任务由二部公平性(dyadic fairness)度量。提出一种新颖的预处理方法,基于最优传输理论通过数据修复建立二部公平性。利用图链接预测的二部公平性与条件分布对齐问题之间已建立的理论联系,二部修复方案可等价转化为条件分布对齐问题。进一步地,通过高效求解该对齐问题,获得一种基于最优传输的二部公平性算法 DyadicOT,满足灵活性与明确性要求。在两个基准图数据集上,所提 DyadicOT 算法在获取公平性方面优于其他公平性方法。
引用
@article{arxiv.2202.04520,
title = {Obtaining Dyadic Fairness by Optimal Transport},
author = {Moyi Yang and Junjie Sheng and Xiangfeng Wang and Wenyan Liu and Bo Jin and Jun Wang and Hongyuan Zha},
journal= {arXiv preprint arXiv:2202.04520},
year = {2022}
}