基于因果判断聚合在反事实公平性下汇聚因果模型
人工智能
2018-10-02 v2 计算机与社会
摘要
在本文中，我们考虑了在聚合模型满足反事实公平性准则的要求下，整合由不同专家提供的多个概率因果模型的问题。我们建立在机器学习中因果模型与公平性的研究之上，并在意见汇聚框架内表述了整合多个模型的问题。我们提出了两种简单的算法，其理论基础为反事实公平性和因果判断聚合理论，这两种算法保证能够生成满足公平性准则的聚合概率因果模型，并且我们在一个简单案例研究中比较了它们的表现。
引用
@article{arxiv.1805.09866,
title = {Pooling of Causal Models under Counterfactual Fairness via Causal Judgement Aggregation},
author = {Fabio Massimo Zennaro and Magdalena Ivanovska},
journal= {arXiv preprint arXiv:1805.09866},
year = {2018}
}
备注
8 pages, 4 figures, workshop paper