【KDD22教程】Graph上的公平性:方法与趋势,200页ppt

2022 年 8 月 26 日 图与推荐







图是一种普遍存在的数据类型,出现在许多现实世界的应用中,包括社会网络分析、建议和财务安全。尽管这很重要,但几十年的研究已经发展出了丰富的计算模型来挖掘图表。尽管它很繁荣,但最近对潜在的算法歧视的担忧有所增长。图上的算法公平性是一个有吸引力但又具有挑战性的研究课题,它旨在减轻图挖掘过程中引入或放大的偏差。第一个挑战对应于理论挑战,图数据的非IID性质不仅可能使许多现有公平机器学习研究背后的基本假设失效,而且还可能基于节点之间的相互关联而不是现有公平机器学习中的公平定义引入新的公平定义。第二个挑战是关于算法方面的,目的是理解如何在模型准确性和公平性之间取得平衡。本教程旨在(1) 全面回顾最先进的技术,以加强图的算法公平,(2) 启发开放的挑战和未来的方向。我们相信本教程可以使数据挖掘、人工智能和社会科学领域的研究人员和从业者受益

http://jiank2.web.illinois.edu/tutorial/kdd22/algofair_on_graphs.html


  • Introduction

    • Background and motivations

    • Problem definitions and settings

    • Key challenges

  • Part I: Group Fairness on Graphs

    • Fair graph ranking

    • Fair graph clustering

    • Fair graph embedding

  • Part II: Individual Fairness on Graphs

    • Optimization-based method

    • Ranking-based method

  • Part III: Other Fairness on Graphs

    • Counterfactual fairness

    • Degree-related fairness

  • Part IV: Beyond Fairness on Graphs

    • Related problems

    • Explainability

    • Accountability

    • Robustness

  • Part V: Future Trends

    • Fairness on dynamic graphs

    • Benchmark and evaluation metrics

    • Fairness vs. other social aspects






登录查看更多
0

相关内容

【KDD2022教程】图算法公平性:方法与趋势,200页ppt
专知会员服务
41+阅读 · 2022年8月20日
【CIKM2021-Tutorial】图挖掘公平性,166页ppt
专知会员服务
30+阅读 · 2021年11月5日
【WSDM2021-Tutorial】偏见感知推荐系统的进展,134页ppt
专知会员服务
49+阅读 · 2021年3月9日
专知会员服务
314+阅读 · 2020年11月24日
【KDD2020】图深度学习:基础、进展与应用,182页ppt
专知会员服务
135+阅读 · 2020年8月30日
【KDD2020】图神经网络:基础与应用,322页ppt
专知会员服务
76+阅读 · 2020年8月30日
因果图,Causal Graphs,52页ppt
专知会员服务
246+阅读 · 2020年4月19日
KDD22 | 推荐系统论文集锦(附pdf下载)
图与推荐
2+阅读 · 2022年7月25日
WWW2022 | 基于因果的推荐算法教程
机器学习与推荐算法
3+阅读 · 2022年5月26日
【CIKM2021-Tutorial】图挖掘公平性,166页ppt
图与推荐
4+阅读 · 2021年11月7日
KDD2021 | 最新GNN官方教程
机器学习与推荐算法
2+阅读 · 2021年8月18日
【KDD2020】图神经网络:基础与应用,322页ppt
国家自然科学基金
0+阅读 · 2015年12月31日
国家自然科学基金
5+阅读 · 2014年12月31日
国家自然科学基金
4+阅读 · 2014年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
2+阅读 · 2011年12月31日
国家自然科学基金
0+阅读 · 2008年12月31日
国家自然科学基金
0+阅读 · 2008年12月31日
Arxiv
0+阅读 · 2022年11月23日
Arxiv
27+阅读 · 2020年6月19日
Arxiv
12+阅读 · 2019年2月26日
VIP会员
相关VIP内容
【KDD2022教程】图算法公平性:方法与趋势,200页ppt
专知会员服务
41+阅读 · 2022年8月20日
【CIKM2021-Tutorial】图挖掘公平性,166页ppt
专知会员服务
30+阅读 · 2021年11月5日
【WSDM2021-Tutorial】偏见感知推荐系统的进展,134页ppt
专知会员服务
49+阅读 · 2021年3月9日
专知会员服务
314+阅读 · 2020年11月24日
【KDD2020】图深度学习:基础、进展与应用,182页ppt
专知会员服务
135+阅读 · 2020年8月30日
【KDD2020】图神经网络:基础与应用,322页ppt
专知会员服务
76+阅读 · 2020年8月30日
因果图,Causal Graphs,52页ppt
专知会员服务
246+阅读 · 2020年4月19日
相关资讯
KDD22 | 推荐系统论文集锦(附pdf下载)
图与推荐
2+阅读 · 2022年7月25日
WWW2022 | 基于因果的推荐算法教程
机器学习与推荐算法
3+阅读 · 2022年5月26日
【CIKM2021-Tutorial】图挖掘公平性,166页ppt
图与推荐
4+阅读 · 2021年11月7日
KDD2021 | 最新GNN官方教程
机器学习与推荐算法
2+阅读 · 2021年8月18日
【KDD2020】图神经网络:基础与应用,322页ppt
相关基金
国家自然科学基金
0+阅读 · 2015年12月31日
国家自然科学基金
5+阅读 · 2014年12月31日
国家自然科学基金
4+阅读 · 2014年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
2+阅读 · 2011年12月31日
国家自然科学基金
0+阅读 · 2008年12月31日
国家自然科学基金
0+阅读 · 2008年12月31日
Top
微信扫码咨询专知VIP会员