文件名称：匹配代码和法律：通过最优传输实现算法公平-研究论文
文件大小：1.01MB
文件格式：PDF
更新时间：2024-06-29 21:02:36
algorithmic discrimination algorithmic
越来越多的算法歧视被视为一个社会和法律问题。 作为回应，文献中已经制定了许多用于在机器学习中实现算法公平性的标准。 本文提出了连续公平算法 (CFAq)，它可以在不同的公平定义之间进行连续插值。 更具体地说，我们对现有文献做出了三个主要贡献。 首先，我们的方法允许决策者在个人公平和群体公平的特定概念之间不断变化。 因此，该算法使决策者能够对算法过程中编码的歧视程度采用中间“世界观”，为“我们都平等”（WAE）和“所见即所得”的极端情况添加细微差别。你得到”（WYSIWYG）到目前为止在文献中提出。 其次，我们使用最优传输理论，特别是重心的概念，在选择的公平约束下最大化决策者效用。 第三，该算法能够处理交叉性的情况，即基于多个标准对某些群体进行多维歧视的情况。 我们讨论了三个主要示例（学分申请；大学录取；保险合同），并阐述了我们方法的法律和政策影响。 个人公平和群体公平之间权衡的明确形式化允许这种后处理方法针对不同的情境环境进行定制，其中一个或另一个公平标准可能优先。 最后，我们通过实验评估我们的模型。