Aug, 2022

具备群体公平性和个体公平性约束的二分匹配

PDF
TL;DR针对将物品分配至平台的匹配过程中的团体和个体公平约束，我们提出了一种概率个体公平的算法，通过计算一组公平匹配的分布，使每个物品有合理的匹配概率。该方法在确保团体公平的同时，可以提高个体公平度。
individual fairnessgroup fairnessmatchingsplatformsprobabilistic
发现论文，激发创造
  • 网络二分图匹配中的 Rawls 公正：双边、群体和个人

    该研究提出了一种在线双向配对平台的算法，可同时为双方市场提供公平的处理保证，考虑了原则主义公平的组和个人标准，并在操作者利润计算的最坏情况下降低其利润，具有理论保证和可调参数来平衡三方的效用，并发现可以给出任何算法性能的明确上界。

    Jan, 2022

  • 最大最小公平排名：在群体公平约束下的个体公平

    针对排名中的公平性问题，我们提出一种基于分配式最小最大公平理论的算法，旨在通过随机化策略，尽可能地减少个体不公平带来的损失，并确保在满足给定群体公平性约束的同时，能够使尽可能多的个体获得最大的收益。

    Jun, 2021

  • 采样始终群体公平的个体公平排序

    本研究提出了一种有效的算法，在保持个体公平的情况下，从一组项目中随机抽样出排名，以确保输出排名满足群体公平性限制，同时保证输出排名的期望效用至少是最优公平解的效用的 α 倍，进而实现在线平台的算法公平。

    Jun, 2023

  • 带有公平约束的排名

    本研究致力于解决在电子商务中，为了使商品推荐更具多样性和公正性，提出的带约束排序优化问题，通过提出的快速精确和近似算法，得出结论：即使当约束条件很大时，我们的算法仍然可以在线性时间内运行，并且产生具有小约束违规的解决方案。

    Apr, 2017

  • iFair: 学习个体公平数据表示方法用于算法决策

    本文提出了一种基于概率映射用户记录的方法，用于实现算法决策应用的个体公平性和真实应用环境下的分类器和排名等工具的效用性，并通过应用于现实世界数据集的分类和学习排序任务的实验表明了其比之前最佳方法有显著改善。

    Jun, 2018

  • 关于群体公平和个体公平之间的 (不) 兼容性

    我们研究了最优统计公平性解决方案与个别公平性之间的兼容性，并分析了它们之间的冲突以及潜在解决方案。通过放宽前者到 Pareto 边界，我们确定了满足个体公平性要求的 Pareto 边界区域，从而使统计公平的 Pareto 最优性与个体公平性的约束相适应。

    Jan, 2024

  • 双边市场排名的用户公平性、物品公平性和多样性

    本文介绍了一种优化用户公平性、项目公平性和多样性的排名算法，并通过实验证明其在这三个方面的有效性和权衡。

    Oct, 2020

  • 本地公平性约束下的论文匹配

    本文提出了基于局部公平性的论文匹配新方法，并引入了两个新的算法 FairIR 和 FairFlow，相对于已有算法，实验证明 FairIR 和 FairFlow 的效果更优，能够更公平地分配评审者。

    May, 2019

  • 消费者和生产者群体公平优化的个性化框架：在推荐系统中

    近年来，人们越来越认识到，当机器学习算法用于自动化决策时，它们可能会对个人或群体造成不公平待遇，涉及法律、道德或经济方面的问题。本文提出了一个名为 CP-FairRank 的基于优化的重新排序算法，它在综合目标框架中无缝地集成了消费者和生产者双方的公平性约束，具有普适性，并且能够根据群体细分、推荐模型选择和领域的不同情况考虑不同的公平设置，改善消费者和生产者的公平性而不会明显影响整体推荐质量，从而展示算法在避免数据偏见方面的作用。

    Feb, 2024

  • 具有重叠分组的公平性

    通过概率人群分析，我们重新审视标准的公平分类问题，并揭示出贝叶斯最优分类器。我们的方法统一了各种现有的组公平分类方法，并扩展到各种不可分解的多类性能度量和公平性度量。在各种真实数据集上，我们提出的方法在公平性与性能的权衡方面优于基线。

    Jun, 2020