論文の概要: Fairness-Utility Trade-off via Wasserstein Projection

• arxiv url: http://arxiv.org/abs/2505.11678v1
• Date: Fri, 16 May 2025 20:29:06 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-05-20 14:57:10.777329
• Title: Fairness-Utility Trade-off via Wasserstein Projection
• Title（参考訳）: ヴァッサースタイン射影によるフェアネス・ユーティリティのトレードオフ
• Authors: Yan Chen, Zheng Tan, Jose Blanchet, Hanzhang Qin,
• Abstract要約: 本稿では,最小限の有効性を確保しつつ,人口格差に関連する公平度基準を強制するフェアネスフレームワークを提案する。 このアプローチは、公正度基準を満たすために適合度スコアを調整し、許容できないパフォーマンスの損失を招くことなく成果を最適化することで、株式と実用性のバランスをとる。
• 参考スコア（独自算出の注目度）: 3.219357970804902
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Ensuring fairness in data-driven decision-making is a critical concern, but existing fairness constraints often involve trade-offs with overall utility. We propose a fairness framework that enforces strong demographic parity-related fairness criteria (with $\epsilon$-tolerance) in propensity score allocation while guaranteeing a minimum total utility. This approach balances equity and utility by calibrating propensity scores to satisfy fairness criteria and optimizing outcomes without incurring unacceptable losses in performance. Grounded in a binary treatment and sensitive attribute setting under causal fairness setup, our method provides a principled mechanism to address fairness while transparently managing associated economic and social costs, offering a practical approach for designing equitable policies in diverse decision-making contexts. Building on this, we provide theoretical guarantee for our proposed utility-constrained fairness evaluation framework, and we formalize a hypothesis testing framework to help practitioners assess whether the desired fairness-utility trade-off is achieved.
• Abstract（参考訳）: データ駆動意思決定における公平性の確保は重要な問題だが、既存の公正性の制約は、全体的なユーティリティとのトレードオフを伴うことが多い。 本稿では,最小限の有効性を確保しつつ,適正度スコアアロケーションにおいて,人口パーティ関連フェアネス基準($\epsilon$-tolerance)を強く適用するフェアネスフレームワークを提案する。 このアプローチは、公正度基準を満たすために適合度スコアを調整し、許容できないパフォーマンスの損失を招くことなく結果を最適化することで、株式と実用性のバランスをとる。 本手法は,因果フェアネス設定に基づく二項処理とセンシティブ属性設定を基礎として,経済的・社会的コストを透過的に管理しつつ,公平に対処するための原則的メカニズムを提供し,多様な意思決定文脈で適切な政策を設計するための実践的アプローチを提供する。 そこで我々は,提案した実用性制約付きフェアネス評価フレームワークの理論的保証を提供し,提案フレームワークを定式化して,所望のフェアネス・ユーティリティ・トレードオフが達成されるかどうかの判断を支援する。

関連論文リスト

• The Unfairness of $\varepsilon$-Fairness [0.0]
  我々は、$varepsilon$-fairnessという概念が採用されれば、現実世界の文脈で最大に不公平な結果をもたらす可能性があることを示した。 本研究は,大学入学と信用リスク評価の2つの実例を用いて実施した。
  論文  参考訳（メタデータ） (2024-05-15T14:13:35Z)
• FFB: A Fair Fairness Benchmark for In-Processing Group Fairness Methods [84.1077756698332]
  本稿では,グループフェアネス手法のベンチマークフレームワークであるFair Fairness Benchmark(textsfFFB)を紹介する。 グループフェアネスの異なる概念を確実にするための最先端手法を包括的に分析する。
  論文  参考訳（メタデータ） (2023-06-15T19:51:28Z)
• 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)
• Fair and Robust Estimation of Heterogeneous Treatment Effects for Policy Learning [2.356908851188234]
  我々は、この枠組みを用いて、最適政策によって達成可能な公平性と最大福祉との間のトレードオフを特徴づける。 本研究は,シミュレーション研究における手法の評価と実世界のケーススタディにおける手法の解説である。
  論文  参考訳（メタデータ） (2023-06-06T12:22:20Z)
• Fairness in Matching under Uncertainty [78.39459690570531]
  アルゴリズム的な二面市場は、こうした設定における公平性の問題に注意を向けている。 我々は、利益の不確実性を尊重する両面の市場設定において、個々人の公正性の概念を公理化する。 そこで我々は,配当よりも公平なユーティリティ最大化分布を求めるために,線形プログラミングフレームワークを設計する。
  論文  参考訳（メタデータ） (2023-02-08T00:30:32Z)
• Group Fairness in Prediction-Based Decision Making: From Moral Assessment to Implementation [0.0]
  与えられた文脈における公平さの意味の道徳的評価のための枠組みを導入する。 評価結果を、確立された統計的グループフェアネス基準にマッピングする。 我々は、FECの原則を拡張して、すべての種類のグループフェアネス基準をカバーします。
  論文  参考訳（メタデータ） (2022-10-19T10:44:21Z)
• Beyond Individual and Group Fairness [90.4666341812857]
  本稿では,不公平な不公平な苦情に導かれる公平さの新しいデータ駆動モデルを提案する。 我々のモデルは、複数のフェアネス基準をサポートし、それらの潜在的な不整合を考慮に入れている。
  論文  参考訳（メタデータ） (2020-08-21T14:14:44Z)

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。