Current Result Document :
| 한글제목(Korean Title) |
FairU : 정확성과 공정성을 고려한 링크 예측 |
| 영문제목(English Title) |
FairU : 정확성과 공정성을 고려한 링크 예측 FairU : Rethinking about fairness-utility trade-off in Link Prediction |
| 저자(Author) |
강용훈
김가형
임지영
양희윤
윤수현
김호승
이지형
YongHoon Kang
Gahyung Kim
Jiyoung Lim
Heeyoon Yang
Suhyun Yoon
Hoseung Kim
Jee-Hyong Lee
|
| 원문수록처(Citation) |
VOL 49 NO. 01 PP. 0672 ~ 0674 (2022. 06) |
한글내용
(Korean Abstract) |
여러 사회 분야에서 빅데이터와 컴퓨팅 기술의 발전을 기반으로 인공지능 기술의 도입이 활발히 이루어지고 있다. 하지만 빅데이터에 내재되어 있는 사회적인 차별요소로 인하여 인공지능의 예측이 편향된 경우가 많아 공정성 논란이 발생하고 있다. 특히, 소셜 네트워크 데이터를 다루기에 적당한 그래프 신경망에서는 유사한 노드들을 연결하려는 동질성 효과 (Homophily effect) 때문에 성별, 종교 등과 같은 민감한 속성 (sensitive attribute)에 편향된 예측이 이루어지기 쉬워서 공정성 문제가 더욱 심각하다. 이러한 공정성 문제를 해결하기 위하여, 공정한 모델 연구와 편향된 정도를 평가하기 위한 공정성 지표들이 제안되고 있다. 그러나 관련 연구들에서 각기 다른 지표를 사용해 공정성을 평가하기 때문에 통일된 기준이 없고, 모델의 정확성과 공정성이 상충관계(trade-off)에 있음을 고려하지 않아 두 성능 모두를 고려한 판단 지표가 필요하다. 본 논문은 공정성과 정확도의 관계를 고려한 지표인 Fairβ-metric을 제안하고, 이 지표에서 우수한 성능을 내는 그래프 링크 예측 모델 FairU를 제안한다. |
영문내용
(English Abstract) |
|
| 키워드(Keyword) |
|
| 파일첨부 |
PDF 다운로드
|
