FUGNN: Harmonizing Fairness and Utility in Graph Neural Networks
公平感知的图神经网络(GNNs)通常面临一个具有挑战性的权衡,即优先考虑公平性可能需要牺牲效用。在这项工作中,我们通过视图于谱图理论来重新审视公平性,旨在在谱图学习框架内调和公平性和效用。我们探讨了GNNs中敏感特征与频谱之间的关系,并通过理论分析界定了原始敏感特征与在不同频谱下卷积后的相似性。我们的分析揭示了当与最大幅值 eigenvalue 相关的特征向量具有方向性相似时,相似性的影响程度...