PulseAugur
中
实时 07:23:15
English(EN) Towards Fair Graph Prompting: A Dual-Prompt Mechanism for Mitigating Attribute and Structural Bias

新框架ADPrompt增强图神经网络的公平性

作者 PulseAugur 编辑部 · [1 个来源] ·

研究人员推出了一种名为自适应双提示（ADPrompt）的新框架，旨在使图神经网络（GNN）更加公平。现有方法常常忽视图数据中存在的偏差，导致下游任务出现不公平的结果。ADPrompt通过使用个性化属性提示来减少敏感信息，并使用结构提示来控制信息流，从而缓解属性和结构偏差。实验表明，ADPrompt在节点分类任务上的表现优于现有方法。 AI

影响 增强了基于图的AI模型的公平性，可能导致使用图数据的应用程序产生更公平的结果。

排序理由 该集群包含一篇研究论文，详细介绍了改进图神经网络公平性的新方法。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.LG 阅读 →

AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →

报道来源 [1]

  1. arXiv cs.LG TIER_1 English(EN) · Yuhan Yang, Xingbo Fu, Jundong Li ·

    Towards Fair Graph Prompting: A Dual-Prompt Mechanism for Mitigating Attribute and Structural Bias

    arXiv:2510.23469v2 Announce Type: replace Abstract: Self-supervised pre-training on unlabeled graph data has become a common paradigm for Graph Neural Networks (GNNs). However, an objective gap often remains between pre-training objectives and downstream tasks. To bridge this gap…

相关实体

相关话题