論文の概要: Structural Group Unfairness: Measurement and Mitigation by means of the
Effective Resistance
- arxiv url: http://arxiv.org/abs/2305.03223v2
- Date: Thu, 25 Jan 2024 15:36:24 GMT
- ステータス: 処理完了
- システム内更新日: 2024-01-26 18:39:14.347667
- Title: Structural Group Unfairness: Measurement and Mitigation by means of the
Effective Resistance
- Title（参考訳）: 構造群不公平性:有効抵抗による測定と緩和
- Authors: Adrian Arnaiz-Rodriguez, Georgina Curto, Nuria Oliver
- Abstract要約: ソーシャルネットワークは、コミュニティや社会における関係、信頼の規範、相互性として定義された社会資本の分配に寄与する。
我々は,グループ分離,グループ径,グループ制御という,グループ資本の効果的な抵抗型対策を3つ導入した。
提案手法は, 構造群の不公平性を効果的に緩和するだけでなく, ネットワーク内のすべてのグループの社会的資本を増大させる。
- 参考スコア（独自算出の注目度）: 7.581259361859479
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Social networks contribute to the distribution of social capital, defined as
the relationships, norms of trust and reciprocity within a community or society
that facilitate cooperation and collective action. Social capital exists in the
relations among individuals, such that better positioned members in a social
network benefit from faster access to diverse information and higher influence
on information dissemination. A variety of methods have been proposed in the
literature to measure social capital at an individual level. However, there is
a lack of methods to quantify social capital at a group level, which is
particularly important when the groups are defined on the grounds of protected
attributes. Furthermore, state-of-the-art approaches fail to model the role of
long-range interactions between nodes in the network and their contributions to
social capital. To fill this gap, we propose to measure the social capital of a
group of nodes by means of their information flow and emphasize the importance
of considering the whole network topology. Grounded in spectral graph theory,
we introduce three effective resistance-based measures of group social capital,
namely group isolation, group diameter and group control. We denote the social
capital disparity among different groups in a network as structural group
unfairness, and propose to mitigate it by means of a budgeted edge augmentation
heuristic that systematically increases the social capital of the most
disadvantaged group. In experiments on real networks, we uncover significant
levels of structural group unfairness when using gender as the protected
attribute, with females being the most disadvantaged group in comparison to
males. We also illustrate how our proposed edge augmentation approach is able
to not only effectively mitigate the structural group unfairness but also
increase the social capital of all groups in the network.
- Abstract（参考訳）: 社会ネットワークは、協力や集団行動を促進する共同体や社会内の信頼と相互関係、規範として定義される社会資本の分配に寄与する。
社会的資本は個人間の関係に存在し、例えば、ソーシャルネットワークのより良い位置にいるメンバーは、多様な情報へのアクセスが早くなり、情報の普及に影響を及ぼすという利点がある。
個人レベルで社会資本を測定するための様々な方法が文献で提案されている。
しかし、集団レベルでの社会的資本の定量化方法の欠如は、保護的属性に基づいてグループを定義した場合に特に重要である。
さらに、最先端のアプローチでは、ネットワーク内のノード間の長距離インタラクションの役割と、社会的資本への貢献をモデル化できない。
このギャップを埋めるため,ネットワークトポロジ全体を考えることの重要性を強調し,その情報フローを用いてノード群の社会的資本を測定することを提案する。
スペクトルグラフ理論に基づいて,グループ分離,グループ径,グループ制御という,グループ資本の効果的な抵抗に基づく3つの尺度を導入する。
ネットワーク内の異なるグループ間の社会的資本格差を構造的グループ不公平と表現し、最も不利なグループの社会的資本を体系的に増加させる予算付きエッジ増強ヒューリスティックにより軽減することを提案する。
実際のネットワーク上での実験では、性別を保護属性として使用する際の構造的グループ不公平性のかなりのレベルが明らかにされ、女性は男性と比較して最も不利なグループである。
また,提案手法が,構造群の不公平性を効果的に緩和するだけでなく,ネットワーク内のすべてのグループの社会的資本を増大させることができることを示す。
関連論文リスト
- Stronger together? The homophily trap in networks [0.0]
ホモフィリー(他と結びつく傾向)は多様性を阻害し、不平等を拡大する。
ネットワークの25%以下にマイノリティーサイズが落ちると、ホモフィリートラップが発生することを示す。
我々の研究は、社会集団が構造的コストを伴わずにホモフィリーの恩恵を受けるためには、重要なサイズが必要であることを明らかにしている。
論文 参考訳（メタデータ） (2024-12-28T14:14:16Z) - How does promoting the minority fraction affect generalization? A theoretical study of the one-hidden-layer neural network on group imbalance [64.1656365676171]
グループ不均衡は経験的リスク最小化において既知の問題である。
本稿では,個々の集団がサンプルの複雑さ,収束率,平均および群レベルの試験性能に与える影響を定量化する。
論文 参考訳（メタデータ） (2024-03-12T04:38:05Z) - Federated Fairness without Access to Sensitive Groups [12.888927461513472]
連合学習におけるグループフェアネスへの現在のアプローチは、トレーニング中に事前に定義されラベル付けされたセンシティブなグループが存在することを前提としている。
我々は、センシティブなグループや追加のラベルの事前定義された定義に依存しないグループフェアネスを保証するための新しいアプローチを提案する。
論文 参考訳（メタデータ） (2024-02-22T19:24:59Z) - Group fairness without demographics using social networks [29.073125057536014]
グループフェアネス(英: Group Fairness)は、人種、性別、障害などのセンシティブな属性に基づいて、個人の好ましくない扱いを防止するための一般的なアプローチである。
そこで本稿では, センシティブな属性に依存しないフェアネスの「グループフリー」尺度を提案する。
論文 参考訳（メタデータ） (2023-05-19T00:45:55Z) - Social Diversity Reduces the Complexity and Cost of Fostering Fairness [63.70639083665108]
不完全な情報や公平性の柔軟な基準を前提とした干渉機構の効果について検討する。
多様性の役割を定量化し、情報収集の必要性を減らす方法を示す。
この結果から,多様性が変化し,公正性向上を目指す機関に新たなメカニズムが開放されることが示唆された。
論文 参考訳（メタデータ） (2022-11-18T21:58:35Z) - Hunting Group Clues with Transformers for Social Group Activity
Recognition [3.1061678033205635]
社会的グループ活動認識には、複数のサブグループ活動を認識し、グループメンバーを特定する必要がある。
既存のほとんどのメソッドは、リージョンの機能を精錬し、それらをアクティビティのフィーチャにまとめることで、両方のタスクに取り組みます。
我々は,効果的なソーシャルグループ機能を生成するために,トランスフォーマーのアテンションモジュールを活用することを提案する。
本手法は,アテンションモジュールが社会的グループ活動に関連する特徴を識別し,集約するように設計されている。
論文 参考訳（メタデータ） (2022-07-12T01:46:46Z) - Measuring Fairness Under Unawareness of Sensitive Attributes: A
Quantification-Based Approach [131.20444904674494]
センシティブな属性の無意識下でのグループフェアネスを測定する問題に取り組む。
定量化手法は, フェアネスと無意識の問題に対処するのに特に適していることを示す。
論文 参考訳（メタデータ） (2021-09-17T13:45:46Z) - Group mixing drives inequality in face-to-face gatherings [2.7728956081909346]
対面状況下での社会集団の相互作用は、社会集団の可視性における格差の出現を可能にすることを示す。
群混合と群サイズ不均衡の結果,これらの相違を説明するメカニズムについて述べる。
論文 参考訳（メタデータ） (2021-06-22T11:44:02Z) - MultiFair: Multi-Group Fairness in Machine Learning [52.24956510371455]
機械学習におけるマルチグループフェアネスの研究(MultiFair)
この問題を解決するために,汎用的なエンドツーエンドのアルゴリズムフレームワークを提案する。
提案するフレームワークは多くの異なる設定に一般化可能である。
論文 参考訳（メタデータ） (2021-05-24T02:30:22Z) - GAEA: Graph Augmentation for Equitable Access via Reinforcement Learning [50.90625274621288]
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。
論文 参考訳（メタデータ） (2020-12-07T18:29:32Z) - Mitigating Face Recognition Bias via Group Adaptive Classifier [53.15616844833305]
この研究は、全てのグループの顔がより平等に表現できる公正な顔表現を学ぶことを目的としている。
我々の研究は、競争精度を維持しながら、人口集団間での顔認識バイアスを軽減することができる。
論文 参考訳（メタデータ） (2020-06-13T06:43:37Z)
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。