透过公平性视角：实体匹配的实验分析与评估
数据库
2023-07-07 v1 计算机与社会
机器学习
摘要
实体匹配（EM）是半个多世纪以来不同领域研究的难题。算法公平性也成为解决机器偏见及其社会影响的及时话题。尽管对这两个主题有广泛研究，但很少关注实体匹配的公平性。为弥补这一差距，我们在本文中对多种 EM 技术进行了广泛的实验评估。我们从公开可用数据集生成了两个社会数据集，以便透过公平性视角审计 EM。我们的发现强调了在现实社会两种常见条件下的潜在不公平：（i）当某些人口群体代表性过高时，以及（ii）当某些群体中的姓名比其他群体更相似时。在我们的众多发现中，值得注意的是，尽管各种公平性定义在不同设置中很有价值，但由于 EM 的类不平衡性质，诸如阳性预测值 parity 和真正率 parity 等度量通常更能揭示 EM 的不公平性。
引用
@article{arxiv.2307.02726,
title = {Through the Fairness Lens: Experimental Analysis and Evaluation of Entity Matching},
author = {Nima Shahbazi and Nikola Danevski and Fatemeh Nargesian and Abolfazl Asudeh and Divesh Srivastava},
journal= {arXiv preprint arXiv:2307.02726},
year = {2023}
}
备注
Accepted to VLDB'23