【CIKM2021-Tutorial】图挖掘公平性，166页ppt

在当今日益互联的世界，图挖掘在许多现实世界的应用领域发挥着关键作用，包括社交网络分析、建议、营销和金融安全。人们作出了巨大的努力来发展广泛的计算模型。然而，最近的研究表明，许多被广泛应用的图挖掘模型可能会受到潜在的歧视。图挖掘的公平性旨在制定策略以减少挖掘过程中引入或放大的偏差。在图挖掘中加强公平性的独特挑战包括: (1)图数据的非iid性质的理论挑战，这可能会使许多现有研究背后的公平机器学习的基本假设无效，(2) 算法挑战平衡模型准确性和公平性的困境。本教程旨在(1)全面回顾图挖掘方面最先进的技术，(2)确定有待解决的挑战和未来的趋势。特别是，我们首先回顾了背景、问题定义、独特的挑战和相关问题;然后，我们将重点深入概述(1)在图挖掘背景下实施群体公平、个人公平和其他公平概念的最新技术，以及(2)图上算法公平的未来研究方向。我们相信，本教程对数据挖掘、人工智能、社会科学等领域的研究人员和实践者具有吸引力，并对现实世界的众多应用领域有益。

http://jiank2.web.illinois.edu/tutorial/cikm21/fair_graph_mining.html