論文の概要: Proportional Fairness in Clustering: A Social Choice Perspective

• arxiv url: http://arxiv.org/abs/2310.18162v2
• Date: Fri, 24 May 2024 08:52:23 GMT
• ステータス: 処理完了
• システム内更新日: 2024-05-27 23:46:28.535363
• Title: Proportional Fairness in Clustering: A Social Choice Perspective
• Title（参考訳）: クラスタリングにおける空間的公正性 : 社会的選択の視点から
• Authors: Leon Kellerhals, Jannik Peters,
• Abstract要約: 我々はChenらによる比例クラスタリング問題(ICML'19)について検討し、計算社会選択におけるマルチウィンナー投票の分野と関連づける。 比例フェアネスに対する近似は、個人フェアネスに対する近似であり、その逆でもあることを示す。
• 参考スコア（独自算出の注目度）: 14.226371312639145
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: We study the proportional clustering problem of Chen et al. [ICML'19] and relate it to the area of multiwinner voting in computational social choice. We show that any clustering satisfying a weak proportionality notion of Brill and Peters [EC'23] simultaneously obtains the best known approximations to the proportional fairness notion of Chen et al. [ICML'19], but also to individual fairness [Jung et al., FORC'20] and the "core" [Li et al. ICML'21]. In fact, we show that any approximation to proportional fairness is also an approximation to individual fairness and vice versa. Finally, we also study stronger notions of proportional representation, in which deviations do not only happen to single, but multiple candidate centers, and show that stronger proportionality notions of Brill and Peters [EC'23] imply approximations to these stronger guarantees.
• Abstract（参考訳）: 我々はChen et al [ICML'19] の比例クラスタリング問題を研究し、計算社会選択におけるマルチウィンナー投票の分野と関連づける。 ブリルとピーターズ [EC'23] の弱比例概念を満たす任意のクラスタリングは、Chen et al [ICML'19] の比例フェアネスの概念に対して、同時に最もよく知られた近似を得るだけでなく、個々のフェアネス [Jung et al , FORC'20] と "core" [Li et al ICML'21] も同時に得られることを示す。 実際、比例フェアネスへの近似は、個人フェアネスへの近似であり、その逆でもあることを示す。 最後に、偏差が単一ではなく複数の候補中心に起こるような比例表現の強い概念も検討し、ブリルとピーターズの強い比例の概念がこれらの強い保証に近似することを示唆していることを示す。

関連論文リスト

• Method of Equal Shares with Bounded Overspending [23.242224574706285]
  境界超過(BOS等分)による等分法の導入 BOS Equal Sharesは、厳密な比例保証に固有の非効率性に対処するが、元の等式共有方法と同様、優れた比例性を提供する。 分析の過程では、プロジェクトの部分的な資金提供を可能にする方法の分数変種についても論じる。
  論文  参考訳（メタデータ） (2024-09-23T13:30:25Z)
• Doubly Constrained Fair Clustering [11.11449872883085]
  Group Fairness (GF) と Diversity in Center Selection (DS) は、クラスタリングにおける最も顕著な人口統計学的表現フェアネスの概念である。 1つの制約 (GF または DS のみ) に対して定数近似アルゴリズムが与えられた場合、両方の制約を同時に満たす定数近似解が得られることを示す。 GF と DS は、他の距離に基づくフェアネスの概念の集合と相容れないことを示す。
  論文  参考訳（メタデータ） (2023-05-31T01:04:55Z)
• Learning Informative Representation for Fairness-aware Multivariate Time-series Forecasting: A Group-based Perspective [50.093280002375984]
  多変量時系列予測モデル(MTS)では変数間の性能不公平性が広く存在する。 フェアネスを意識したMTS予測のための新しいフレームワークであるFairForを提案する。
  論文  参考訳（メタデータ） (2023-01-27T04:54:12Z)
• Proportional Fairness in Obnoxious Facility Location [70.64736616610202]
  この問題に対して,距離に基づく比例フェアネスの概念の階層構造を提案する。 決定論的かつランダムなメカニズムを考察し、比例フェアネスの価格に関する厳密な境界を計算する。 モデルの拡張が2つあることを示す。
  論文  参考訳（メタデータ） (2023-01-11T07:30:35Z)
• How Robust is Your Fairness? Evaluating and Sustaining Fairness under Unseen Distribution Shifts [107.72786199113183]
  CUMA(CUrvature Matching)と呼ばれる新しいフェアネス学習手法を提案する。 CUMAは、未知の分布シフトを持つ未知の領域に一般化可能な頑健な公正性を達成する。 提案手法を3つの人気フェアネスデータセットで評価する。
  論文  参考訳（メタデータ） (2022-07-04T02:37:50Z)
• On Disentangled and Locally Fair Representations [95.6635227371479]
  人種や性別などのセンシティブなグループに対して公平な方法で分類を行うという課題について検討する。 局所的公正表現を学習し、学習された表現の下で、各サンプルの近傍は感度特性の観点からバランスをとる。
  論文  参考訳（メタデータ） (2022-05-05T14:26:50Z)
• Strategyproof and Proportionally Fair Facility Location [77.16035689756859]
  簡単な1次元集団決定問題(しばしば施設配置問題と呼ばれる)に焦点を当てる。 比例に基づく様々な強度のフェアネス公理の階層構造を解析する。 各公理に対して、公理と戦略の安全性を満足するメカニズムのファミリーを特徴付ける。
  論文  参考訳（メタデータ） (2021-11-02T12:41:32Z)
• Multi-Stage Decentralized Matching Markets: Uncertain Preferences and Strategic Behaviors [91.3755431537592]
  本稿では、現実世界のマッチング市場で最適な戦略を学ぶためのフレームワークを開発する。 我々は,不確実性レベルが特徴の福祉対フェアネストレードオフが存在することを示す。 シングルステージマッチングと比較して、マルチステージマッチングで参加者がより良くなることを証明します。
  論文  参考訳（メタデータ） (2021-02-13T19:25:52Z)
• Achieving Proportionality up to the Maximin Item with Indivisible Goods [14.002498730240902]
  我々は、分割不可能な商品をかなり配置する問題を研究し、古典的公平性の概念である比例性に焦点をあてる。 最近の研究で、比例性(PROPx)の近似バージョンでさえ、小さなインスタンスでも達成できないことが証明されている。 最大5つのエージェントが付加価値を持つ場合において、この概念を満たすアロケーションにどのように到達するかを示す。
  論文  参考訳（メタデータ） (2020-09-20T19:21:19Z)
• Distributional Individual Fairness in Clustering [7.303841123034983]
  本稿では,距離空間に埋め込まれた個人を,有界なクラスタ中心上の確率分布に割り当てる枠組みを提案する。 p$-norm目的のクラスタリングアルゴリズムと、証明可能な近似保証付き個別フェアネス制約を提案する。
  論文  参考訳（メタデータ） (2020-06-22T20:02:09Z)

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。