Achieving Non-Discrimination in Data Release
Achieving Non-Discrimination in Data Release
复制标题
实现数据发布中的非歧视
DOI：
10.1145/3097983.3098167
复制
发表时间：
2017
期刊：
影响因子：
--
通讯作者：
Wu, Xintao
中科院分区：
文献类型：
--
作者：
Zhang, Lu;Wu, Yongkai;Wu, Xintao
歧视发现和预防/消除是数据挖掘中越来越重要的任务。歧视发现旨在揭露受保护属性上的歧视性做法（例如，防止歧视旨在通过分析历史决策记录的数据集消除歧视，在进行预测分析之前修改有偏见的数据。在本文中，我们表明，歧视发现和预防的关键是找到有意义的分区，可以用来提供定量的证据，歧视的判断。在因果图的支持下，我们提出了一个图形化的条件，用于确定一个有意义的分区。在此基础上，我们开发了一个简单的标准，要求非歧视，并提出歧视消除算法，准确地消除歧视，同时保持良好的数据效用。使用真实的数据集的实验表明，我们的方法的有效性。
Discrimination discovery and prevention/removal are increasingly important tasks in data mining. Discrimination discovery aims to unveil discriminatory practices on the protected attribute (e.g., gender) by analyzing the dataset of historical decision records, and discrimination prevention aims to remove discrimination by modifying the biased data before conducting predictive analysis. In this paper, we show that the key to discrimination discovery and prevention is to find the meaningful partitions that can be used to provide quantitative evidences for the judgment of discrimination. With the support of the causal graph, we present a graphical condition for identifying a meaningful partition. Based on that, we develop a simple criterion for the claim of non-discrimination, and propose discrimination removal algorithms which accurately remove discrimination while retaining good data utility. Experiments using real datasets show the effectiveness of our approaches.
登录
查看更多内容
使用贝叶斯网络打击歧视
影响因子：
4.1
作者：
Koray Mancuhan;Chris Clifton
通讯作者：
Chris Clifton
反歧视学习：基于因果建模的框架
影响因子：
2.4
作者：
Zhang, Lu;Wu, Xintao
通讯作者：
Wu, Xintao
DOI：
10.1145/1401890.1401959
发表时间：
2008-08
期刊：
ArXiv
影响因子：
--
作者：
D. Pedreschi;S. Ruggieri;F. Turini
通讯作者：
D. Pedreschi;S. Ruggieri;F. Turini
DOI：
--
发表时间：
2016
期刊：
International Joint Conference on Artificial Intelligence
影响因子：
--
作者：
Lu Zhang;Yongkai Wu;Xintao Wu
通讯作者：
Xintao Wu
用于发现歧视的数据挖掘
DOI：
--
发表时间：
2010
期刊：
TKDD
影响因子：
--
作者：
S. Ruggieri;D. Pedreschi;F. Turini
通讯作者：
F. Turini