Augmented Graph Learning

综述论文详述增强图学习中的公平性挑战

一篇题为《增强图学习中的公平性：一篇综述》的新综述论文，探讨了将专业机器学习技术集成到图学习中引入的独特公平性挑战。该论文（称为 FairGX）识别了增强图学习（AGL）方法（如联邦学习和图 Transformer）中传统框架无法解决的新型偏见来源。它对现有文献进行了分类，分析了不同机器学习范式对算法公平性的影响，并概述了五个未来研究方向，包括公平性-隐私协同以及公平性感知的 LLM4Graph/Graph4LLM。