非IIDグラフデータにおける公平性:現在の成果と将来の方向【JST・京大機械翻訳】

Zhang Wenbin; Pan Shimei; Zhou Shuigeng; Walsh Toby; Weiss Jeremy C.

プレプリント

J-GLOBAL ID：202202202203111890 整理番号：22P0289782

非IIDグラフデータにおける公平性:現在の成果と将来の方向【JST・京大機械翻訳】

Fairness Amidst Non-IID Graph Data: Current Achievements and Future Directions

出版者サイト {{ this.onShowPLink() }} 複写サービスで全文入手
高度な検索・分析はJDreamⅢで

この文献はプレプリントです。プレプリントについてはこちらをご確認ください。

著者 (5件)： , , , ,
資料名：
発行年： 2022年02月14日プレプリントサーバーでの情報更新日： 2023年02月09日
JST資料番号： O7000B 資料種別：プレプリント
記事区分：プレプリント発行国：アメリカ合衆国 (USA) 言語：英語 (EN)

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】

, , , ,
, 【Automatic Indexing@JST】

ガスクロマトグラフィー , 計算機網

, , ,

前のページに戻る