statistical-parity regularizer

新的 SF-GNN 框架提高了图神经网络的公平性

研究人员开发了一个名为子图过滤用于公平图神经网络（SF-GNN）的新框架，以解决图神经网络中的不公平问题。该方法通过识别和过滤传播敏感信息的边来解决结构偏差，即使在没有明确使用敏感属性的情况下也是如此。SF-GNN 在 GNN 的消息传递步骤中选择性地降低或移除这些易产生偏差的边。在多个数据集上的实验表明，SF-GNN 在保持强大预测性能的同时提高了公平性，与现有方法相比，在公平性和准确性之间取得了更好的平衡。