权益分类	功能权益	普通用户	{{item.name}}会员
{{category.name}}	{{benefitItem.name}}

III: Medium: Collaborative Research: Fairness in Web Database Applications

III：媒介：协作研究：Web 数据库应用程序的公平性

基本信息

批准号：
2107296
负责人：
Gautam Das
金额：
$ 41.6万
依托单位：
University of Texas at Arlington
依托单位国家：
美国
项目类别：
Standard Grant
财政年份：
2021
资助国家：
美国
起止时间：
2021-11-01 至 2024-10-31
项目状态：
已结题

来源：
https://www.nsf.gov/awardsearch/showAward?AWD_ID=2107296&HistoricalAwards=false
关键词：
III Medium Collaborative Research Fairness

项目摘要

The Web has affected every corner of human life and society by providing the cyber-infrastructure to remove physical barriers between people. Myriad web database applications, including online recommendation systems, online shopping sites, location-based websites, resource-sharing platforms, social media, and service websites, have made people's lives unimaginably more connected, convenient, and cost-effective. The internal models, algorithms, ranking strategies, user profiling, and data resources shape the behavior of these web database applications. Unfortunately, these can include unfair practices that propagate, or even amplify, historical biases through their services, products, and recommendations. This project aims to detect such unfairness and to correct it where possible.A central question in detecting and correcting unfairness is how much knowledge can be assumed about these web systems' underlying data and algorithms. It is unrealistic to assume full knowledge, and it is hard even to detect unfairness without such assumptions. This project relies on making limited assumptions, such as the existence of a back-end database. Based on these, the project will detect unwarranted bias, develop responsible design tools one can use to avoid inadvertent unfairness, and implement third-party tools to tailor responses to reduce disparities between different demographic groups.This award reflects NSF's statutory mission and has been deemed worthy of support through evaluation using the Foundation's intellectual merit and broader impacts review criteria.

网络通过提供网络基础设施消除人与人之间的物理障碍，影响了人类生活和社会的各个角落。无数的web数据库应用，包括在线推荐系统、在线购物网站、基于位置的网站、资源共享平台、社交媒体和服务网站，使人们的生活更加互联、便捷和经济。内部模型、算法、排名策略、用户分析和数据资源塑造了这些web数据库应用程序的行为。不幸的是，这些可能包括不公平的做法，通过他们的服务、产品和推荐传播甚至放大历史偏见。这个项目旨在发现这种不公平，并在可能的情况下加以纠正。检测和纠正不公平的一个核心问题是，对于这些网络系统的底层数据和算法，我们可以假设有多少知识。假设完全了解是不现实的，如果没有这样的假设，甚至很难发现不公平。该项目依赖于有限的假设，例如存在后端数据库。在此基础上，该项目将发现不必要的偏见，开发负责任的设计工具，可以用来避免无意的不公平，并实施第三方工具来定制响应，以减少不同人口群体之间的差异。该奖项反映了美国国家科学基金会的法定使命，并通过使用基金会的知识价值和更广泛的影响审查标准进行评估，被认为值得支持。

项目成果

期刊论文数量（4）

专著数量（0）

科研奖励数量（0）

会议论文数量（0）

专利数量（0）

Fairness-Aware Range Queries for Selecting Unbiased Data

用于选择无偏数据的公平感知范围查询

DOI：
10.1109/icde53745.2022.00111
发表时间：
2022
期刊：
ICDE'22: IEEE international conference on Data Engineering
影响因子：
0
作者：
Shetiya, Suraj;Swift, Ian P.;Asudeh, Abolfazl;Das, Gautam
通讯作者：
Das, Gautam

On Finding Rank Regret Representatives

论寻找排名遗憾代表

DOI：
10.1145/3531054
发表时间：
2022
期刊：
ACM Transactions on Database Systems
影响因子：
1.8
作者：
Asudeh, Abolfazl;Das, Gautam;Jagadish, H. V.;Lu, Shangqi;Nazi, Azade;Tao, Yufei;Zhang, Nan;Zhao, Jianwen
通讯作者：
Zhao, Jianwen

Examining StyleGAN as a Utility-Preserving Face De-identification Method