Reproducibility study of FairAC

要約

この研究は、Guo、Chu、および Li arXiv:2302.12977 によって書かれた論文「欠損属性を含むグラフの公平な属性補完」の論文で行われた主張を調査することによって、その結果を再現することを目的としています。
この論文は、元の論文の結果には再現性があり、したがって主張が成立することを示唆しています。
ただし、FairAC が多くの下流タスク用の汎用フレームワークであるという主張は非常に広範囲にわたるため、部分的にしかテストできません。
さらに、FairAC がさまざまなデータセットや機密属性に一般化できることを示し、FairAC フレームワークのグループの公平性の向上が個人の公平性を犠牲にするものではないことの証拠を示します。
最後に、FairAC のコードベースがリファクタリングされ、さまざまなデータセットやモデルに簡単に適用できるようになりました。

要約(オリジナル)

This work aims to reproduce the findings of the paper ‘Fair Attribute Completion on Graph with Missing Attributes’ written by Guo, Chu, and Li arXiv:2302.12977 by investigating the claims made in the paper. This paper suggests that the results of the original paper are reproducible and thus, the claims hold. However, the claim that FairAC is a generic framework for many downstream tasks is very broad and could therefore only be partially tested. Moreover, we show that FairAC is generalizable to various datasets and sensitive attributes and show evidence that the improvement in group fairness of the FairAC framework does not come at the expense of individual fairness. Lastly, the codebase of FairAC has been refactored and is now easily applicable for various datasets and models.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google