論文の概要: Subset Selection Based On Multiple Rankings in the Presence of Bias:
Effectiveness of Fairness Constraints for Multiwinner Voting Score Functions
- arxiv url: http://arxiv.org/abs/2306.09835v1
- Date: Fri, 16 Jun 2023 13:25:27 GMT
- ステータス: 処理完了
- システム内更新日: 2023-06-19 13:52:32.754123
- Title: Subset Selection Based On Multiple Rankings in the Presence of Bias:
Effectiveness of Fairness Constraints for Multiwinner Voting Score Functions
- Title（参考訳）: バイアスの存在下での複数ランキングに基づく部分集合選択:多点投票スコア関数に対する公平性制約の有効性
- Authors: Niclas Boehmer, L. Elisa Celis, Lingxiao Huang, Anay Mehrotra,
Nisheeth K. Vishnoi
- Abstract要約: 「品目の複数ランキングが与えられ、最高品質を選ぶこと」という部分選択の問題を考える。」
フェアネス制約が有効であるためには、異なるマルチウィンナースコア関数が大幅に異なるランキング数を必要とする可能性があることを示す。
- 参考スコア（独自算出の注目度）: 42.23968578772441
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: We consider the problem of subset selection where one is given multiple
rankings of items and the goal is to select the highest ``quality'' subset.
Score functions from the multiwinner voting literature have been used to
aggregate rankings into quality scores for subsets. We study this setting of
subset selection problems when, in addition, rankings may contain systemic or
unconscious biases toward a group of items. For a general model of input
rankings and biases, we show that requiring the selected subset to satisfy
group fairness constraints can improve the quality of the selection with
respect to unbiased rankings. Importantly, we show that for fairness
constraints to be effective, different multiwinner score functions may require
a drastically different number of rankings: While for some functions, fairness
constraints need an exponential number of rankings to recover a
close-to-optimal solution, for others, this dependency is only polynomial. This
result relies on a novel notion of ``smoothness'' of submodular functions in
this setting that quantifies how well a function can ``correctly'' assess the
quality of items in the presence of bias. The results in this paper can be used
to guide the choice of multiwinner score functions for the subset selection
setting considered here; we additionally provide a tool to empirically enable
this.
- Abstract（参考訳）: 項目の複数のランク付けが与えられ、最も高い ``quality''' サブセットを選択することが目的である部分集合選択の問題を考える。
マルチウィンター投票文献のスコア関数は、サブセットの品質スコアにランキングを集約するために使われてきた。
本研究は,一群の項目に対して,ランク付けが体系的あるいは無意識的バイアスを含む場合のサブセット選択問題について検討する。
入力ランキングとバイアスの一般的なモデルでは、グループフェアネス制約を満たすために選択されたサブセットを要求すれば、偏りのないランキングに対する選択の質が向上することを示す。
重要な点は、フェアネス制約が効果的であるためには、異なるマルチウィンナースコア関数は、著しく異なるランキングを必要とする可能性があることである: いくつかの関数では、フェアネス制約は、近対最適解を回復するために指数関数的なランキングを必要とするが、他の関数にとっては、この依存は多項式のみである。
この結果は、バイアスの存在下で関数がいかに「正しく」機能するかを定量化するこの設定において、サブモジュラー関数の ‘smoothness'' という新しい概念に依存している。
本研究の結果は,本論文で検討したサブセット選択設定において,マルチウィンタースコア関数の選択をガイドするために利用することができる。
関連論文リスト
- Enhancing Neural Subset Selection: Integrating Background Information
into Set Representations [55.44881879377666]
対象値が入力集合とサブセットの両方に条件付けされている場合、スーパーセットのテクスティ不変な統計量を関心のサブセットに組み込むことが不可欠であることを示す。
これにより、出力値がサブセットとその対応するスーパーセットの置換に不変であることを保証する。
論文 参考訳（メタデータ） (2024-02-05T16:09:35Z) - Bipartite Ranking Fairness through a Model Agnostic Ordering Adjustment [54.179859639868646]
本稿では,二部類ランキングにおける公平性を実現するためのモデルに依存しない後処理フレームワークxOrderを提案する。
xOrderは、教師なしおよび教師なしの公正度メトリックを含む、さまざまな分類モデルとランキングフェアネスメトリクスと互換性がある。
提案アルゴリズムを,4つのベンチマークデータセットと2つの実世界の患者電子健康記録リポジトリ上で評価した。
論文 参考訳（メタデータ） (2023-07-27T07:42:44Z) - Explainable Disparity Compensation for Efficient Fair Ranking [0.3759936323189418]
意思決定システムで使用されるランク付け関数は、基礎となるデータに偏りがあるため、異なる集団に対して異なる結果をもたらすことが多い。
最近の補償策は主に、公正性を保証するためにランク関数の不透明な変換に焦点を当てている。
本稿では,ランキング関数に対するデータ駆動型補償法を提案する。
論文 参考訳（メタデータ） (2023-07-25T09:12:50Z) - Stop Overcomplicating Selective Classification: Use Max-Logit [2.3677503557659705]
我々は、データセットの望ましいカバレッジで最高のパフォーマンスを達成することを目標とする選択分類の問題に取り組む。
最近の最先端の選択手法は、別個のセレクションヘッドを導入するか、余分な禁忌ロジットを導入することによってアーキテクチャの変更が伴う。
我々は,より一般化可能な分類器の訓練に,最先端手法の優れた性能を負うことを確認することで,選択分類の驚くべき結果を示す。
論文 参考訳（メタデータ） (2022-06-17T22:23:11Z) - Ranking with submodular functions on a budget [17.877243904657952]
サブモジュラー評価と予算制約を有する項目のランク付けのための新しい定式化を提案する。
基本性およびknapsack型予算制約を持つMSR問題に対して,近似保証付き実用的なアルゴリズムを提案する。
論文 参考訳（メタデータ） (2022-04-08T16:29:45Z) - Adaptive Cascade Submodular Maximization [19.29174615532181]
本研究では,適応条件下でのカスケード部分モジュラー問題について検討する。
本研究の目的は,選択項目の有効性を最大化するために,選択項目の最適シーケンスを特定することである。
論文 参考訳（メタデータ） (2020-07-07T16:21:56Z) - Towards Model-Agnostic Post-Hoc Adjustment for Balancing Ranking
Fairness and Algorithm Utility [54.179859639868646]
Bipartiteランキングは、ラベル付きデータから正の個人よりも上位の個人をランク付けするスコアリング機能を学ぶことを目的としている。
学習したスコアリング機能が、異なる保護グループ間で体系的な格差を引き起こすのではないかという懸念が高まっている。
本稿では、二部構成のランキングシナリオにおいて、それらのバランスをとるためのモデル後処理フレームワークを提案する。
論文 参考訳（メタデータ） (2020-06-15T10:08:39Z) - SetRank: A Setwise Bayesian Approach for Collaborative Ranking from
Implicit Feedback [50.13745601531148]
提案手法は,提案システムにおける暗黙的フィードバックの特性に対応するために,協調的ランキング(SeetRank)のためのセッティングワイドベイズ的手法を提案する。
具体的には、SetRankは、新しい設定された選好比較の後方確率を最大化することを目的としている。
また、SetRankの理論解析により、余剰リスクの境界が$sqrtM/N$に比例できることを示す。
論文 参考訳（メタデータ） (2020-02-23T06:40:48Z) - Optimal Clustering from Noisy Binary Feedback [75.17453757892152]
本稿では,二元的ユーザフィードバックから一組のアイテムをクラスタリングする問題について検討する。
最小クラスタ回復誤差率のアルゴリズムを考案する。
適応選択のために,情報理論的誤差下界の導出にインスパイアされたアルゴリズムを開発する。
論文 参考訳（メタデータ） (2019-10-14T09:18:26Z)
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。