层级平衡：面向潜在因果因素下的动态公平性
机器学习
2023-06-07 v3 机器学习
摘要
对长期公平性的追求涉及决策与底层数据生成过程之间的相互作用。本文通过对决策-分布相互作用的有向无环图（DAG）因果建模，从动态视角探究实现长期公平性的可能。我们提出层级平衡（Tier Balancing），这是在长期动态公平性分析背景下技术上更具挑战性但更自然的概念。与以往纯粹基于观测变量定义的公平性概念不同，我们的概念更进一步，捕捉对当前决策至未来数据分布施加直接影响、未观测潜在因果因素背后的情境变化。在指定动态下，我们证明一般而言仅通过单步干预无法达成长期公平性目标。此外，在趋近长期公平性的努力中，我们考虑“更接近”长期公平性目标的任务，并相应给出可能性与不可能性结果。
引用
@article{arxiv.2301.08987,
title = {Tier Balancing: Towards Dynamic Fairness over Underlying Causal Factors},
author = {Zeyu Tang and Yatong Chen and Yang Liu and Kun Zhang},
journal= {arXiv preprint arXiv:2301.08987},
year = {2023}
}