抄録/ポイント:
抄録/ポイント
文献の概要を数百字程度の日本語でまとめたものです。
部分表示の続きは、JDreamⅢ(有料)でご覧頂けます。
J-GLOBALでは書誌(タイトル、著者名等)登載から半年以上経過後に表示されますが、医療系文献の場合はMyJ-GLOBALでのログインが必要です。
機械学習(ML)におけるアルゴリズムバイアスの理解と修正の重要性は,MLにおける公平性に関する研究の増加をもたらし,それは,通常,基礎となるデータが独立で同一分布(IID)であると仮定する。しかし,実際には,データはしばしば個々のユニット間の接続を捉える非IIDグラフ構造を用いて表現される。MLシステムにおけるバイアスに対処するために,IIDデータのために設計された従来の公平性文献と,非IIDグラフデータの遍在性の間のギャップを埋めることが重要である。この調査において,著者らは,公平性アミド非IIDグラフデータにおけるそのような最近の進展をレビューして,将来の研究のために利用可能なデータセットと評価計量を同定した。また,既存の研究の限界と有望な将来の方向を指摘した。【JST・京大機械翻訳】