本文提出了软件公平和歧视的定义，并开发了一种基于测试的方法来测量软件的歧视程度，重点关注歧视行为的因果关系。通过对 Themis 在 20 个软件系统上的评估，本文证明公平性测试是具有潜在歧视的领域中软件开发周期中至关重要的一个方面，并提供了测量软件歧视的初始工具。

Sep, 2017

本研究旨在从软件专业人员的角度探讨算法种族主义，调查 73 位软件工程专业人士对于该问题的理解和看法，结果表明该问题已被充分认识，但在软件工程领域中如何有效解决问题尚不确定。本文提出了一些解决办法，最可行的是结合技术和社会策略，包括培训软件专业人员的结构性种族主义，以解决算法种族主义及其对社会带来的负面影响。

Jun, 2023

本文对算法公平实现的局限性进行了分析，并提出了一种保护性优化技术 (POTs) 的解决方案，该方案可以扩大政治争议的渠道，并可以纠正、转移或暴露系统对人口及其环境造成的危害。

Jun, 2018

本研究拟定了 Fair-SMOTE 算法以解决自主决策中可能存在的偏见以及带来的问题，通过消除偏见标签、平衡内部分布使得基于敏感属性的示例在正负两类中均等地分布，从而提高了性能表现，并被证实是一种成功的偏差缓解方法。

May, 2021

该研究探讨了算法工具在儿童虐待热线筛选决策方面的应用，结果显示人类对机器的建议进行了更改，缺乏自主权的全自动化决策管道存在风险。

Feb, 2020

本文提出了一种基于模型的方法来有选择性地噪声化数据集，同时保留有利于深度神经网络训练的数据，以减轻化学领域中化学数据集恶意使用的风险，结果表明，选择性噪声化暴露的数据集具有对敏感标签预测产生控制的模型方差和偏差的作用，并且省略敏感数据往往增加了模型方差以减轻双重使用。

Apr, 2023

文章提出了一种新颖的概率程序分析技术，并将其应用于量化决策程序中的偏差，开发了第一个量化程序偏差的验证工具 FairSquare，并在一系列决策程序上进行了评估。

Feb, 2017

本文利用机器学习对可用数据进行了操作并计算出了累计软件故障程度。应用机器学习预测软件的残余缺陷，以准确预测软件故障是本文的总体目标。

May, 2023

该论文是关于软件多样性的综述，介绍了该领域的最新进展，包括设计和数据多样性、网络安全、自然多样性和多样化软件产品的管理，并且强调了从 2000 年以来的最新成果。

Sep, 2014

预测一个人是否能完成戒毒和戒酒康复计划以及出席次数，研究基于美国行为健康与心理服务管理局（SAMHSA）提供的俄克拉荷马州戒毒和戒酒康复中心的入院和出院的人口统计数据，使用二进制编码的高度分类数据，并利用各种公平性措施来减轻九个人口统计变量的偏见，通过支持向量机比较线性、多项式、Sigmoid 和径向基函数的核方法在不同参数范围内找到最佳值，然后与决策树、随机森林和神经网络等方法进行比较，使用 SMOTEN 技术均衡分类数据并对缺失数据进行插补，对九个偏见变量进行交叉整合以减轻偏见，并融合双重和三重交互作用来使用概率观察最坏情况比例的公平减轻措施，探索了二进制和多类别情景下的差异冲击、统计平等差异、条件统计平等比例、人口平等、人口平等比例、平等几率、平等几率比例、平等机会和平等机会比例。

Apr, 2024