SoFaiR：单次公平表示学习

为了避免对其数据的歧视性使用，组织可以学习将数据映射到一个过滤掉与敏感属性相关信息的表示中。然而，所有现有的公平表示学习方法都会产生公平性与信息之间的权衡。为了在公平性-信息平面上达到不同的点，必须训练不同的模型。在本文中，我们首先证明了公平性-信息权衡完全由率失真权衡来刻画。然后，我们利用这一关键结果提出了 SoFaiR，一种单次公平表示学习方法，它通过一个训练好的模型在公平性-信息平面上生成许多点。除了节省计算量外，据我们所知，我们的单次方法是第一个解释了表示的公平性/失真属性变化会影响哪些信息的公平表示学习方法。在实证方面，我们在三个数据集上发现，SoFaiR 实现了与其多次对应方法相似的公平性-信息权衡。