Fugu-MT 論文翻訳(概要): Fairness-aware PageRank via Edge Reweighting

論文の概要: Fairness-aware PageRank via Edge Reweighting

arxiv url: http://arxiv.org/abs/2512.08055v1
Date: Mon, 08 Dec 2025 21:27:03 GMT
ステータス: 翻訳完了
システム内更新日: 2025-12-10 22:28:07.72952
Title: Fairness-aware PageRank via Edge Reweighting
Title（参考訳）: エッジ再重み付けによるFairness-Aware PageRank
Authors: Honglian Wang, Haoyun Chen, Aristides Gionis,
Abstract要約: AIの重要性が高まり、リンク分析における公正性の問題が注目を集めている。遷移行列の遷移を再重み付けすることで確率を組み込む新しい手法を提案する。公正さの損失を最小限に抑えることにより、公正な確率を達成する公式を定式化する。
参考スコア（独自算出の注目度）: 16.39169684970624
License: http://creativecommons.org/licenses/by/4.0/
Abstract: Link-analysis algorithms, such as PageRank, are instrumental in understanding the structural dynamics of networks by evaluating the importance of individual vertices based on their connectivity. Recently, with the rising importance of responsible AI, the question of fairness in link-analysis algorithms has gained traction. In this paper, we present a new approach for incorporating group fairness into the PageRank algorithm by reweighting the transition probabilities in the underlying transition matrix. We formulate the problem of achieving fair PageRank by seeking to minimize the fairness loss, which is the difference between the original group-wise PageRank distribution and a target PageRank distribution. We further define a group-adapted fairness notion, which accounts for group homophily by considering random walks with group-biased restart for each group. Since the fairness loss is non-convex, we propose an efficient projected gradient-descent method for computing locally-optimal edge weights. Unlike earlier approaches, we do not recommend adding new edges to the network, nor do we adjust the restart vector. Instead, we keep the topology of the underlying network unchanged and only modify the relative importance of existing edges. We empirically compare our approach with state-of-the-art baselines and demonstrate the efficacy of our method, where very small changes in the transition matrix lead to significant improvement in the fairness of the PageRank algorithm.
Abstract（参考訳）: PageRankのようなリンク分析アルゴリズムは、接続性に基づいて個々の頂点の重要性を評価することによって、ネットワークの構造的ダイナミクスを理解するのに役立っている。近年、責任あるAIの重要性が高まり、リンク分析アルゴリズムの公正性の問題が注目されている。本稿では,遷移行列の遷移確率を再重み付けすることで,グループフェアネスをPageRankアルゴリズムに組み込む新しい手法を提案する。本研究では,PageRank分布と対象のPageRank分布との相違点であるフェアネス損失を最小限に抑えることで,公平なPageRankを実現するという課題を定式化する。さらに、各群に対する群バイアス再起動を伴うランダムウォークを考慮し、群ホモフィリーを考慮に入れた群適応フェアネスの概念を定義する。フェアネス損失は非凸であるので,局所最適エッジ重み計算のための効率的な勾配差分法を提案する。以前のアプローチとは異なり、ネットワークに新たなエッジを追加することも、再起動ベクタを調整することも推奨しません。代わりに、基盤となるネットワークのトポロジは変更せず、既存のエッジの相対的重要性だけを変更します。我々は、我々のアプローチと最先端のベースラインを実証的に比較し、遷移行列の非常に小さな変化がPageRankアルゴリズムの公平性を大幅に向上させる方法の有効性を実証する。

関連論文リスト

Bi-discriminator Domain Adversarial Neural Networks with Class-Level Gradient Alignment [87.8301166955305]
そこで本研究では,クラスレベルのアライメントアライメントを有するバイディミネータドメイン対向ニューラルネットワークを提案する。 BACGは、領域分布の整合性を改善するために勾配信号と二階確率推定を利用する。さらに、対照的な学習にインスパイアされ、トレーニングプロセスを大幅に短縮できるメモリバンクベースの変種であるFast-BACGを開発した。
論文参考訳（メタデータ） (2023-10-21T09:53:17Z)
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)
Fair Without Leveling Down: A New Intersectional Fairness Definition [1.0958014189747356]
本稿では,感性グループ間での絶対値と相対値のパフォーマンスを組み合わせた$alpha$-Intersectional Fairnessという新たな定義を提案する。我々は、新しいフェアネス定義を用いて、複数の一般的なプロセス内機械学習アプローチをベンチマークし、単純なベースラインよりも改善が得られないことを示します。
論文参考訳（メタデータ） (2023-05-21T16:15:12Z)
Proportionally Representative Clustering [17.5359577544947]
本稿では,クラスタリング問題を対象とした新しい公理比例代表フェアネス(PRF)を提案する。我々のフェアネスの概念は、既存のフェアクラスタリングアルゴリズムで満たされていない。制約のない設定に対する我々のアルゴリズムは、よく研究されたプロポーショナルフェアネス(PF)の公理に対する最初の既知時間近似アルゴリズムでもある。
論文参考訳（メタデータ） (2023-04-27T02:01:24Z)
Learning by Sorting: Self-supervised Learning with Group Ordering Constraints [75.89238437237445]
本稿では,対照学習目標である群順序制約(GroCo)の新たなバリエーションを提案する。正の対と負の対の距離をソートし、正の対が負の対よりも多くの距離を持つかに基づいてそれぞれの損失を計算するという考え方を利用しており、したがって正しく順序付けされていない。各種自己教師付き学習ベンチマークの定式化について検討し、バニラのコントラスト学習と比較して結果が向上するだけでなく、k-NNの性能において、線形探索や性能向上において同等の手法と競合する性能を示すことを示す。
論文参考訳（メタデータ） (2023-01-05T11:17:55Z)
Generalized Quantum Google PageRank Algorithm with Arbitrary Phase Rotations [0.0]
本稿では、Szegedyの量子ウォークに任意の位相回転(APR)を導入する量子PageRankの修正を提案する。そこで我々は,新しいアルゴリズムの挙動を解析し,位相の減少がPageRankの標準偏差を減少させることを示した。我々は、PageRank分布が古典的アルゴリズムに似ている新しいアルゴリズムの1つが、元の量子アルゴリズムに類似した安定性があることを発見した。
論文参考訳（メタデータ） (2022-09-27T15:15:54Z)
Large-Scale Sequential Learning for Recommender and Engineering Systems [91.3755431537592]
本稿では,現在の状況に適応してパーソナライズされたランキングを提供する自動アルゴリズムの設計に焦点を当てる。前者はSAROSと呼ばれる新しいアルゴリズムを提案し,インタラクションの順序を学習するためのフィードバックの種類を考慮に入れている。提案手法は, 電力網の故障検出に対する初期アプローチと比較して, 統計的に有意な結果を示す。
論文参考訳（メタデータ） (2022-05-13T21:09:41Z)
Improved Multi-label Classification under Temporal Concept Drift: Rethinking Group-Robust Algorithms in a Label-Wise Setting [10.655403615541141]
ドキュメント分類では、非常に稀なクラスを含む数百のクラスを扱うことが多い。クラス不均衡とドリフトは、トレーニングデータを再サンプリングすることで軽減されることがあるが、もし対象の分布が未知の将来の事象によって決定されたらどうだろうか? グループレベルの格差を軽減するために提案した,複数のグループロバスト最適化アルゴリズムを評価した。 Invariant Risk Minimization and Spectral Decoupling outperform sample-based approach to class im Balance and concept drift。
論文参考訳（メタデータ） (2022-03-15T13:08:03Z)
Fairness with Overlapping Groups [15.154984899546333]
標準的なゴールは、複数の重なり合うグループ間での公平度メトリクスの平等を保証することである。本稿では、確率論的人口分析を用いて、この標準公正分類問題を再考する。提案手法は,既存のグループフェア分類手法を統一し,様々な非分解性性能指標と公正度尺度の拡張を可能にする。
論文参考訳（メタデータ） (2020-06-24T05:01:10Z)
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)

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。