論文の概要: Diversity and Inclusion Index with Networks and Similarity: Analysis and its Application
- arxiv url: http://arxiv.org/abs/2410.05668v1
- Date: Tue, 8 Oct 2024 03:41:39 GMT
- ステータス: 処理完了
- システム内更新日: 2024-11-01 17:19:21.108459
- Title: Diversity and Inclusion Index with Networks and Similarity: Analysis and its Application
- Title（参考訳）: ネットワークと類似性を考慮した多様性と包摂指数の分析とその応用
- Authors: Keita Kinjo,
- Abstract要約: 類似性やネットワーク接続を考慮した多様性と包摂性に関する新たな指標を紹介します。
これらの指標の特性を分析し,多様性とネットワークの確立した尺度を用いて,それらの数学的関係を調査した。
また、比率、類似度、ネットワーク接続を可視化する手法を作成しました。
- 参考スコア（独自算出の注目度）: 0.8702432681310401
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: In recent years, the concepts of ``diversity'' and ``inclusion'' have attracted considerable attention across a range of fields, encompassing both social and biological disciplines. To fully understand these concepts, it is critical to not only examine the number of categories but also the similarities and relationships among them. In this study, I introduce a novel index for diversity and inclusion that considers similarities and network connections. I analyzed the properties of these indices and investigated their mathematical relationships using established measures of diversity and networks. Moreover, I developed a methodology for estimating similarities based on the utility of diversity. I also created a method for visualizing proportions, similarities, and network connections. Finally, I evaluated the correlation with external metrics using real-world data, confirming that both the proposed indices and our index can be effectively utilized. This study contributes to a more nuanced understanding of diversity and inclusion analysis.
- Abstract（参考訳）: 近年,「多様性」と「包摂性」の概念は,社会的分野と生物学的分野の両方を包含して,様々な分野において大きな注目を集めている。
これらの概念を十分に理解するためには、カテゴリの数だけでなく、それらの間の類似点や関係についても検討することが重要である。
本研究では,類似性とネットワーク接続を考慮した多様性・包摂性指標を提案する。
これらの指標の特性を分析し,多様性とネットワークの確立した尺度を用いて,それらの数学的関係を調査した。
さらに,多様性の有効性に基づいて類似性を推定する手法を開発した。
また、比率、類似度、ネットワーク接続を可視化する手法を作成しました。
最後に、実世界のデータを用いて外部指標との相関性を評価し、提案した指標と指標の両方を効果的に活用できることを確認した。
本研究は多様性と包摂分析のより微妙な理解に寄与する。
関連論文リスト
- Position: Measure Dataset Diversity, Don't Just Claim It [8.551188808401294]
データセットキュレーターは、データセットを特徴付けるために、多様性、バイアス、品質といった、価値に富んだ用語を頻繁に使用します。
それらの流行にもかかわらず、これらの用語には明確な定義と検証が欠けている。
本研究は,135の画像データセットとテキストデータセットにまたがる「多様性」を分析し,この問題の意義を考察する。
論文 参考訳（メタデータ） (2024-07-11T05:13:27Z) - On Discprecncies between Perturbation Evaluations of Graph Neural
Network Attributions [49.8110352174327]
我々は、グラフ領域で以前に検討されていない視点から帰属法を評価する:再学習。
中心となる考え方は、属性によって識別される重要な(あるいは重要でない)関係でネットワークを再訓練することである。
我々は4つの最先端GNN属性法と5つの合成および実世界のグラフ分類データセットについて分析を行った。
論文 参考訳（メタデータ） (2024-01-01T02:03:35Z) - Reconciling Predictive and Statistical Parity: A Causal Approach [68.59381759875734]
本稿では,予測パリティに付随する公平度対策のための因果分解式を提案する。
統計的および予測パリティの概念は、実際には互いに排他的ではなく、相補的であり、公正の概念のスペクトルにまたがっていることを示す。
論文 参考訳（メタデータ） (2023-06-08T09:23:22Z) - 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) - Stable Bias: Analyzing Societal Representations in Diffusion Models [72.27121528451528]
本稿では,テキスト・ツー・イメージ(TTI)システムにおける社会的バイアスを探索する新しい手法を提案する。
我々のアプローチは、プロンプト内の性別や民族のマーカーを列挙して生成された画像の変動を特徴づけることに依存している。
我々はこの手法を利用して3つのTTIシステムによって生成された画像を分析し、そのアウトプットが米国の労働人口層と相関しているのに対して、彼らは常に異なる範囲において、限界化されたアイデンティティを低く表現している。
論文 参考訳（メタデータ） (2023-03-20T19:32:49Z) - Interpretable Diversity Analysis: Visualizing Feature Representations In
Low-Cost Ensembles [0.0]
本稿では,多様性を定性的に分析できるいくつかの解釈可能性手法を提案する。
2つの低コストアンサンブルアルゴリズムを用いて,子ネットワーク間の特徴表現の多様性を比較することによって,これらの手法を実証する。
論文 参考訳（メタデータ） (2023-02-12T00:32:03Z) - Diversity in Sociotechnical Machine Learning Systems [2.9973947110286163]
近年,機械学習(ML)研究における社会文化的多様性への関心が高まっている。
我々は、科学哲学と異なる多様性概念の分類を示し、これらの概念の根底にある明確な根拠を解明する。
多様性がグループパフォーマンスに寄与するメカニズムの概要を提供する。
論文 参考訳（メタデータ） (2021-07-19T21:26:38Z) - 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) - Dataset Bias in Few-shot Image Recognition [57.25445414402398]
まず,基本カテゴリから学習した伝達可能能力の影響について検討する。
第2に、データセット構造と異なる少数ショット学習方法から、異なるデータセットのパフォーマンス差について検討する。
論文 参考訳（メタデータ） (2020-08-18T14:46:23Z) - Exploiting Non-Taxonomic Relations for Measuring Semantic Similarity and
Relatedness in WordNet [0.0]
本稿では,WordNetナレッジグラフなどの大規模リンクデータにおいて,あらゆる種類の非トキソノミック関係を利用する利点について検討する。
本稿では,新しい関係に基づく情報内容と非タキソノミックな重み付き経路に基づく総合的多関係手法を提案する。
論文 参考訳（メタデータ） (2020-06-22T09:59:39Z) - Measuring Diversity in Heterogeneous Information Networks [0.0]
異種情報ネットワーク(HIN)への多様性対策の多種族適用のための公式な枠組みを開発する。
これにより、分類や配置のシステムから、ネットワークによってより良くモデル化できるより複雑な関係まで、多様性対策の適用が拡張される。
本稿では,レコメンデータシステムとソーシャルメディア研究の分野における,これらの新しい観測機器の有用性について述べる。
論文 参考訳（メタデータ） (2020-01-05T19:21:50Z)
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。