論文の概要: GAEA: Graph Augmentation for Equitable Access via Reinforcement Learning

• arxiv url: http://arxiv.org/abs/2012.03900v2
• Date: Fri, 9 Apr 2021 11:27:25 GMT
• ステータス: 処理完了
• システム内更新日: 2021-05-16 21:39:40.319224
• Title: GAEA: Graph Augmentation for Equitable Access via Reinforcement Learning
• Title（参考訳）: GAEA:強化学習による等価アクセスのためのグラフ拡張
• Authors: Govardana Sachithanandam Ramachandran, Ivan Brugere, Lav R. Varshney, and Caiming Xiong
• Abstract要約: 異なるサブ人口によるリソースへの別のアクセスは、社会および社会技術ネットワークにおける一般的な問題です。 予算制約下でグラフエッジを編集することにより,ネットワークシステムにおける公平性を高めるため,新たな問題クラスであるグラフ拡張・等価アクセス(GAEA)を導入する。
• 参考スコア（独自算出の注目度）: 50.90625274621288
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Disparate access to resources by different subpopulations is a prevalent issue in societal and sociotechnical networks. For example, urban infrastructure networks may enable certain racial groups to more easily access resources such as high-quality schools, grocery stores, and polling places. Similarly, social networks within universities and organizations may enable certain groups to more easily access people with valuable information or influence. Here we introduce a new class of problems, Graph Augmentation for Equitable Access (GAEA), to enhance equity in networked systems by editing graph edges under budget constraints. We prove such problems are NP-hard, and cannot be approximated within a factor of $(1-\tfrac{1}{3e})$. We develop a principled, sample- and time- efficient Markov Reward Process (MRP)-based mechanism design framework for GAEA. Our algorithm outperforms baselines on a diverse set of synthetic graphs. We further demonstrate the method on real-world networks, by merging public census, school, and transportation datasets for the city of Chicago and applying our algorithm to find human-interpretable edits to the bus network that enhance equitable access to high-quality schools across racial groups. Further experiments on Facebook networks of universities yield sets of new social connections that would increase equitable access to certain attributed nodes across gender groups.
• Abstract（参考訳）: 異なるサブ人口による資源の異なるアクセスは、社会技術ネットワークや社会技術ネットワークにおいて主要な問題である。 例えば、都市インフラネットワークは、特定の人種集団が高品質の学校、食料品店、投票所などのリソースをより簡単にアクセスできるようにする。 同様に、大学や組織内のソーシャルネットワークは、あるグループが価値のある情報や影響力を持つ人々にアクセスしやすくする。 本稿では,予算制約下でグラフエッジを編集することにより,ネットワークシステムにおけるエクイティを高めるための新たな問題として,等価アクセスのためのグラフ拡張(gaea)を提案する。 そのような問題はNPハードであり、$(1-\tfrac{1}{3e})$で近似することはできない。 GAEAのためのMRP(Markov Reward Process)に基づくメカニズム設計フレームワークを開発した。 我々のアルゴリズムは多種多様な合成グラフのベースラインを上回る。 さらに,シカゴ市における人口センサス,学校,交通データの統合と,バスネットワークへの人間解釈可能な編集手法の適用により,人種間での質の高い学校への公平なアクセスを促進することにより,実世界のネットワーク上での手法を実証する。 大学内のfacebookネットワークでのさらなる実験は、性別グループ間の特定の帰属ノードへの公平なアクセスを増加させる、新たな社会接続のセットをもたらす。

関連論文リスト

• Anonymized Network Sensing Graph Challenge [6.896725738630828]
  匿名化されたネットワークセンシング グラフチャレンジは、大規模でオープンなコミュニティベースのネットワーク保護アプローチの実現を目指している。 この課題は、匿名化されたトラフィック行列の構築と分析を最適化するための新しいアプローチを強調する機会を提供する。 GraphBLASリファレンス実装が提供されているが、このグラフチャレンジではGraphBLASの使用は必要ない。
  論文  参考訳（メタデータ） (2024-09-12T15:07:16Z)
• Learning Regularization for Graph Inverse Problems [16.062351610520693]
  グラフ逆問題(GRIP)を解決するためにGNNを利用するフレームワークを導入する。 このフレームワークは、データに適合するソリューションを見つけるために使用される、可能性と事前条件の組み合わせに基づいている。 本稿では,フレームワークの有効性を示す代表的問題について検討する。
  論文  参考訳（メタデータ） (2024-08-19T22:03:02Z)
• Marginal Nodes Matter: Towards Structure Fairness in Graphs [77.25149739933596]
  構造フェアネスを実現するために,textbfStructural textbfFair textbfGraph textbfNeural textbfNetwork (SFairGNN)を提案する。 実験の結果、SFairGNNは、下流タスクにおける全体的な性能を維持しながら、構造フェアネスを大幅に改善できることがわかった。
  論文  参考訳（メタデータ） (2023-10-23T03:20:32Z)
• Learning Strong Graph Neural Networks with Weak Information [64.64996100343602]
  我々は、弱い情報(GLWI)を用いたグラフ学習問題に対する原則的アプローチを開発する。 非完全構造を持つ入力グラフ上で長距離情報伝搬を行うデュアルチャネルGNNフレームワークであるD$2$PTを提案するが、グローバルな意味的類似性を符号化するグローバルグラフも提案する。
  論文  参考訳（メタデータ） (2023-05-29T04:51:09Z)
• Cost Sensitive GNN-based Imbalanced Learning for Mobile Social Network Fraud Detection [37.14877936257601]
  本稿では,コスト感性学習とグラフニューラルネットワークを創造的に組み合わせた,コスト感性グラフニューラルネットワーク(CSGNN)を提案する。 その結果、CSGNNはグラフ不均衡問題を効果的に解決し、最先端のアルゴリズムよりも優れた検出性能が得られることがわかった。
  論文  参考訳（メタデータ） (2023-03-28T01:43:32Z)
• Ranking-based Group Identification via Factorized Attention on Social Tripartite Graph [68.08590487960475]
  グループ識別のための文脈的要因認識(CFAG)という,GNNに基づく新しいフレームワークを提案する。 我々は3部グラフ畳み込み層を考案し、ユーザ、グループ、アイテム間の異なる種類の近隣からの情報を集約する。 データ疎度問題に対処するため,提案した因子化注意機構に基づく新しい伝搬増強層を考案した。
  論文  参考訳（メタデータ） (2022-11-02T01:42:20Z)
• FastCover: An Unsupervised Learning Framework for Multi-Hop Influence Maximization in Social Networks [39.86798194955807]
  ソーシャルネットワークで影響力のあるユーザーを見つけることは、多くの有用なアプリケーションにおいて根本的な問題である。 本稿では,IM の問題を予算制約付き d-hop 支配集合問題 (kdDSP) に還元する。 我々は、効率的な欲求戦略を教師なしで学習することでkdDSPを解決するために、統合機械学習(ML)フレームワークであるFastCoverを提案する。 FastCoverは、GNNの1つの前方伝播で計算されたノードのスコアから設定されたシード全体を決定する。
  論文  参考訳（メタデータ） (2021-10-31T10:49:21Z)
• CrossWalk: Fairness-enhanced Node Representation Learning [39.21278285140597]
  グラフアルゴリズムの公平性を向上する,単純で効果的で汎用的な手法であるCrossWalkを開発した。 鍵となる考え方は、グループの境界を越えてランダムウォークをバイアスし、グループの周辺に近く、あるいは(2)ネットワーク内の異なるグループを繋ぐエッジを重み付けすることである。 CrossWalkは、グループの周辺にあるノードを他のグループから隣人に向かって引き出します。
  論文  参考訳（メタデータ） (2021-05-06T14:45:34Z)
• QD-GCN: Query-Driven Graph Convolutional Networks for Attributed Community Search [54.42038098426504]
  QD-GCNは、ACS問題を解決するために、コミュニティ構造とノード属性を統一するエンドツーエンドフレームワークである。 本稿では、QD-GCNが既存の属性付きコミュニティ検索アルゴリズムを効率性と有効性の両方で上回ることを示す。
  論文  参考訳（メタデータ） (2021-04-08T07:52:48Z)
• Interpretable Signed Link Prediction with Signed Infomax Hyperbolic Graph [54.03786611989613]
  ソーシャルネットワークにおけるサイン付きリンク予測は、ユーザ(すなわちノード)間の基盤となる関係(リンク)を明らかにすることを目的としている 我々は Signed Infomax Hyperbolic Graph (textbfSIHG) と呼ばれる統一されたフレームワークを開発する。 高次ユーザ関係と複雑な階層をモデル化するために、ノードの埋め込みを投影し、より低歪みの双曲空間で測定する。
  論文  参考訳（メタデータ） (2020-11-25T05:09:03Z)

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。