FairEdit:欲張りグラフ編集によるグラフニューラルネットワークにおける公平性の保存【JST・京大機械翻訳】

Loveland Donald; Pan Jiayi; Bhathena Aaresh Farrokh; Lu Yiyang

プレプリント

J-GLOBAL ID：202202209607940305 整理番号：22P0025918

FairEdit:欲張りグラフ編集によるグラフニューラルネットワークにおける公平性の保存【JST・京大機械翻訳】

FairEdit: Preserving Fairness in Graph Neural Networks through Greedy Graph Editing

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 (4件)： , , ,
資料名：
発行年： 2022年01月10日プレプリントサーバーでの情報更新日： 2022年02月16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)

グラフニューラルネットワーク(GNN)は,基礎となるデータがグラフである予測モデリングタスクにおいて優れていることが証明されている。しかし,GNNは人間中心アプリケーションで広く使われるので,公平性の問題は生じている。エッジ削除は,GNNにおける公平性を促進するために用いられる一般的な方法であるが,データが本質的に公平な接続を欠いているときは考慮できない。本研究では,公平性を促進するために,削除を伴うエッジ付加の未探索方法を考察した。エッジ編集を行うための2つのモデル診断アルゴリズム,すなわち,ブート力アプローチと連続近似アプローチ,FairEditを提案した。FairEditは公平性損失の勾配情報を利用して,公平性を改善するエッジを見つけるため,効率的なエッジ編集を行う。FairEditは,多くのデータセットとGNN法に対して標準訓練を凌駕し,一方,多くの最先端手法に対して同等に実行して,FairEditの能力が,多くのドメインとモデルにわたって公平性を改善することを示した。【JST・京大機械翻訳】

, , , , , , ,
, 【Automatic Indexing@JST】

移動通信 , 人工知能 , グラフ理論基礎

, , , ,

前のページに戻る