論文の概要: Efficient Edge Rewiring Strategies for Enhancing PageRank Fairness

• arxiv url: http://arxiv.org/abs/2602.02512v1
• Date: Fri, 23 Jan 2026 05:07:36 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-02-09 02:03:42.420309
• Title: Efficient Edge Rewiring Strategies for Enhancing PageRank Fairness
• Title（参考訳）: PageRank Fairness の効率化のためのエッジスイッチング戦略
• Authors: Changan Liu, Haoxin Sun, Ahad N. Zehmakan, Zhongzhi Zhang,
• Abstract要約: 我々は、PageRank Fairnessと呼ばれる、確立されたネットワークベースのフェアネスの定式化について検討する。 私たちのゴールは、基盤となるネットワーク構造を変更することで、PageRankの公平性を高めることです。 本手法は, 根の分布する森林を高速に採集し, 効率的な線形時間アルゴリズムを考案する手法である。
• 参考スコア（独自算出の注目度）: 21.370208622364597
• License: http://creativecommons.org/licenses/by-sa/4.0/
• Abstract: We study the notion of unfairness in social networks, where a group such as females in a male-dominated industry are disadvantaged in access to important information, e.g. job posts, due to their less favorable positions in the network. We investigate a well-established network-based formulation of fairness called PageRank fairness, which refers to a fair allocation of the PageRank weights among distinct groups. Our goal is to enhance the PageRank fairness by modifying the underlying network structure. More precisely, we study the problem of maximizing PageRank fairness with respect to a disadvantaged group, when we are permitted to rewire a fixed number of edges in the network. Building on a greedy approach, we leverage techniques from fast sampling of rooted spanning forests to devise an effective linear-time algorithm for this problem. To evaluate the accuracy and performance of our proposed algorithm, we conduct a large set of experiments on various real-world network data. Our experiments demonstrate that the proposed algorithm significantly outperforms the existing ones. Our algorithm is capable of generating accurate solutions for networks of million nodes in just a few minutes.
• Abstract（参考訳）: 本研究では,ソーシャルネットワークにおける不公平性の概念について考察する。男性支配産業の女性のような集団は,ネットワークにおける地位があまり好ましくないため,重要な情報,例えば求職情報へのアクセスに不利である。 そこで我々は,PageRank Fairnessと呼ばれる,ネットワークに基づくフェアネスの定式化について検討した。 私たちのゴールは、基盤となるネットワーク構造を変更することでPageRankの公平性を高めることです。 より正確には、ネットワーク内の一定数のエッジをリワイヤリングすることが許されるとき、不利なグループに対してPageRankフェアネスを最大化する問題について研究する。 この問題に対して有効な線形時間アルゴリズムを考案するために,根を張った森林の高速サンプリング技術を利用する。 提案アルゴリズムの精度と性能を評価するため,実世界のネットワークデータを対象とした大規模な実験を行った。 実験の結果,提案アルゴリズムは既存のアルゴリズムよりも大幅に優れていた。 我々のアルゴリズムは、数百万のノードのネットワークに対して数分で正確な解を生成することができる。

関連論文リスト

• Fairness-aware PageRank via Edge Reweighting [16.39169684970624]
  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。
  論文  参考訳（メタデータ） (2025-12-08T21:27:03Z)
• 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)
• 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)
• Unsupervised Domain-adaptive Hash for Networks [81.49184987430333]
  ドメイン適応型ハッシュ学習はコンピュータビジョンコミュニティでかなりの成功を収めた。 UDAHと呼ばれるネットワークのための教師なしドメイン適応型ハッシュ学習手法を開発した。
  論文  参考訳（メタデータ） (2021-08-20T12:09:38Z)
• Coarse to Fine: Domain Adaptive Crowd Counting via Adversarial Scoring Network [58.05473757538834]
  本稿では,ドメイン間のギャップを粗い粒度から細かな粒度に埋める新しい逆スコアリングネットワーク (ASNet) を提案する。 3組のマイグレーション実験により,提案手法が最先端のカウント性能を実現することを示す。
  論文  参考訳（メタデータ） (2021-07-27T14:47:24Z)
• FaiR-N: Fair and Robust Neural Networks for Structured Data [10.14835182649819]
  決定境界に対するデータポイントの距離を考慮したニューラルネットワークのトレーニングのための新しい定式化を提案する。 この損失でトレーニングすることで、トレーニングなしでトレーニングされたモデルと同じような精度で、より公平で堅牢なニューラルネットワークが得られることを示す。
  論文  参考訳（メタデータ） (2020-10-13T01:53:15Z)
• Fitting the Search Space of Weight-sharing NAS with Graph Convolutional Networks [100.14670789581811]
  サンプルサブネットワークの性能に適合するグラフ畳み込みネットワークを訓練する。 この戦略により、選択された候補集合において、より高いランク相関係数が得られる。
  論文  参考訳（メタデータ） (2020-04-17T19:12:39Z)
• Collaborative Training of Balanced Random Forests for Open Set Domain Adaptation [24.953392909304203]
  本稿では、ドメイン適応タスクのための畳み込みニューラルネットワークを用いたバランスのとれたランダム森林の協調学習アルゴリズムを提案する。 ラベル付きソースデータの情報ゲインとラベル付き対象データ分布のエントロピーを協調的に最適化することにより,提案したCoBRFアルゴリズムは最先端手法よりもはるかに優れた性能を実現する。
  論文  参考訳（メタデータ） (2020-02-10T10:43:20Z)

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。