利用层次化群结构提升交叉公平性的合成数据生成
机器学习
2024-05-24 v1 计算与语言
摘要
本文提出一种数据增强方法，专为增强分类任务中的交叉公平性而设计。我们的方法利用交叉性内在的层次结构，通过将组视为其父类别的交叉来实现这一点。这一视角允许我们通过学习一种结合这些父组数据的数据变换函数来为较小的组增强数据。我们对四个多样化数据集（包括文本和图像）进行的经验分析表明，使用该数据增强方法训练的分类器在实现超越传统组公平性指标的交叉公平性方面表现更优，且对“向下平衡”更具鲁棒性。
引用
@article{arxiv.2405.14521,
title = {Synthetic Data Generation for Intersectional Fairness by Leveraging Hierarchical Group Structure},
author = {Gaurav Maheshwari and Aurélien Bellet and Pascal Denis and Mikaela Keller},
journal= {arXiv preprint arXiv:2405.14521},
year = {2024}
}