論文の概要: Causal intersectionality for fair ranking
- arxiv url: http://arxiv.org/abs/2006.08688v1
- Date: Mon, 15 Jun 2020 18:57:46 GMT
- ステータス: 処理完了
- システム内更新日: 2022-11-21 02:23:43.075352
- Title: Causal intersectionality for fair ranking
- Title（参考訳）: 公平なランキングのための因果交叉性
- Authors: Ke Yang, Joshua R. Loftus, Julia Stoyanovich
- Abstract要約: 我々は、公正な機械学習における交差性の適用を明確化し、重要な実世界効果とドメイン知識に結びつき、技術的な制限を透明化します。
我々は、実データと合成データセットに対する我々のアプローチを実験的に評価し、その振る舞いを異なる構造的仮定の下で探索した。
- 参考スコア（独自算出の注目度）: 14.570546164100618
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: In this paper we propose a causal modeling approach to intersectional
fairness, and a flexible, task-specific method for computing intersectionally
fair rankings. Rankings are used in many contexts, ranging from Web search
results to college admissions, but causal inference for fair rankings has
received limited attention. Additionally, the growing literature on causal
fairness has directed little attention to intersectionality. By bringing these
issues together in a formal causal framework we make the application of
intersectionality in fair machine learning explicit, connected to important
real world effects and domain knowledge, and transparent about technical
limitations. We experimentally evaluate our approach on real and synthetic
datasets, exploring its behaviour under different structural assumptions.
- Abstract（参考訳）: 本稿では,交差フェアネスに対する因果モデリング手法と,交差フェアネスを計算するためのフレキシブルなタスク固有手法を提案する。
ランキングは、Web検索結果から大学入学まで、多くの文脈で使用されているが、公正ランキングに対する因果推論は、あまり注目されていない。
さらに因果的公平性に関する文学の発展は、交叉性にほとんど注意を向けていない。
これらの問題を正式な因果関係のフレームワークにまとめることで、公正な機械学習における交叉性の応用を明確化し、重要な現実世界の影響とドメイン知識と結び付き、技術的な制限を透明にする。
実データと合成データに対するアプローチを実験的に評価し、異なる構造的仮定の下でその振る舞いを探索する。
関連論文リスト
- Fairness Explainability using Optimal Transport with Applications in
Image Classification [0.46040036610482665]
機械学習アプリケーションにおける差別の原因を明らかにするための包括的アプローチを提案する。
We leverage Wasserstein barycenters to achieve fair predictions and introduce an extension to pinpoint bias-associated region。
これにより、各特徴がバイアスに影響を及ぼすかどうかを測定するために強制的公正性を使用する凝集系を導出することができる。
論文 参考訳（メタデータ） (2023-08-22T00:10:23Z) - A Survey on Intersectional Fairness in Machine Learning: Notions,
Mitigation, and Challenges [11.885166133818819]
機械学習システムの採用により、公平性への懸念が高まっている。
公平さと緩和の交叉観念に関する分類を提示する。
重要な課題を特定し、今後の方向性に関するガイドラインを研究者に提供する。
論文 参考訳（メタデータ） (2023-05-11T16:49:22Z) - The Role of Relevance in Fair Ranking [1.5469452301122177]
妥当性スコアは、公正な介入を導くために、望ましい基準のセットを満たすべきであると論じる。
次に、偏りのあるユーザクリックデータから推定される関連性のケーススタディにおいて、これらの基準がすべて満たされているわけではないことを実証的に示す。
分析と結果から,関連収集・生成への新たなアプローチの必要性が浮き彫りになっている。
論文 参考訳（メタデータ） (2023-05-09T16:58:23Z) - Fairness meets Cross-Domain Learning: a new perspective on Models and
Metrics [80.07271410743806]
クロスドメイン学習(CD)とモデルフェアネスの関係について検討する。
いくつかの人口集団にまたがる顔画像と医療画像のベンチマークと、分類とローカライゼーションタスクについて紹介する。
本研究は,3つの最先端フェアネスアルゴリズムとともに,14のCDアプローチをカバーし,前者が後者に勝ることを示す。
論文 参考訳（メタデータ） (2023-03-25T09:34:05Z) - Factoring the Matrix of Domination: A Critical Review and Reimagination
of Intersectionality in AI Fairness [55.037030060643126]
間欠性は、社会的不平等の持続性を調べるための重要な枠組みである。
我々は、公平性を効果的に運用するために、交差性を分析的枠組みとして採用することが重要であると論じる。
論文 参考訳（メタデータ） (2023-03-16T21:02:09Z) - Fairness in Matching under Uncertainty [78.39459690570531]
アルゴリズム的な二面市場は、こうした設定における公平性の問題に注意を向けている。
我々は、利益の不確実性を尊重する両面の市場設定において、個々人の公正性の概念を公理化する。
そこで我々は,配当よりも公平なユーティリティ最大化分布を求めるために,線形プログラミングフレームワークを設計する。
論文 参考訳（メタデータ） (2023-02-08T00:30:32Z) - Relational Proxies: Emergent Relationships as Fine-Grained
Discriminators [52.17542855760418]
本稿では,オブジェクトのグローバル部分とローカル部分の間の情報を利用してラベルを符号化する手法を提案する。
我々は、理論的な結果に基づいてプロキシを設計し、7つの挑戦的なきめ細かいベンチマークデータセットに基づいて評価する。
また、この理論を実験的に検証し、複数のベンチマークで一貫した結果を得る。
論文 参考訳（メタデータ） (2022-10-05T11:08:04Z) - Causal Fairness Analysis [68.12191782657437]
意思決定設定における公平性の問題を理解し、モデル化し、潜在的に解決するためのフレームワークを導入します。
我々のアプローチの主な洞察は、観測データに存在する格差の定量化と、基礎となる、しばしば観測されていない、因果的なメカニズムの収集を結びつけることである。
本研究は,文献中の異なる基準間の関係を整理し,説明するための最初の体系的試みであるフェアネスマップにおいて,本研究の成果を左右するものである。
論文 参考訳（メタデータ） (2022-07-23T01:06:34Z) - Conditional Supervised Contrastive Learning for Fair Text Classification [59.813422435604025]
対照的な学習を通してテキスト分類のための等化オッズとして知られる公平性の概念を満たす学習公正表現について研究する。
具体的には、まず、公正性制約のある学習表現と条件付き教師付きコントラスト目的との間の関係を理論的に分析する。
論文 参考訳（メタデータ） (2022-05-23T17:38:30Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。