Structural Group Unfairness: Measurement and Mitigation by means of the Effective Resistance

要約

ソーシャル ネットワークは、協力や集団行動を促進する、コミュニティまたは社会内の関係、信頼、相互関係の規範として定義されるソーシャル キャピタルの分配に貢献します。
したがって、ソーシャル ネットワーク内でより良い立場にあるメンバーは、多様な情報へのアクセスが速くなり、情報の拡散に対する影響力が高まるという利点があります。
個人レベルでソーシャル・キャピタルを測定するためのさまざまな方法が文献で提案されています。
しかし、グループレベルでソーシャルキャピタルを定量化する方法が不足しています。これは、グループが保護された属性に基づいて定義されている場合に特に重要です。
このギャップを埋めるために、実効抵抗を使用してノードのグループのソーシャル キャピタルを測定することを提案し、ネットワーク トポロジ全体を考慮することの重要性を強調します。
スペクトル グラフ理論に基づいて、グループ ソーシャル キャピタルの 3 つの効果的な抵抗ベースの尺度、つまりグループ分離、グループ直径、およびグループ制御を導入します。グループは保護された属性の値に従って定義されます。
我々は、ネットワーク内の異なるグループ間のソーシャル キャピタルの格差をグループの構造的不公平と呼び、最も恵まれないグループのソーシャル キャピタルを体系的に増加させる予算付きのエッジ拡張ヒューリスティックによってそれを緩和することを提案します。
現実世界のネットワークでの実験では、性別を保護属性として使用すると、女性が男性に比べて最も不利なグループであるという、かなりのレベルの構造的なグループの不公平性が明らかになりました。
また、私たちが提案するエッジ拡張アプローチが、構造的なグループの不公平性を効果的に緩和するだけでなく、ネットワーク内のすべてのグループのソーシャル キャピタルをどのように増加させることができるかについても説明します。

要約(オリジナル)

Social networks contribute to the distribution of social capital, defined as the relationships, norms of trust and reciprocity within a community or society that facilitate cooperation and collective action. Therefore, better positioned members in a social network benefit from faster access to diverse information and higher influence on information dissemination. A variety of methods have been proposed in the literature to measure social capital at an individual level. However, there is a lack of methods to quantify social capital at a group level, which is particularly important when the groups are defined on the grounds of protected attributes. To fill this gap, we propose to measure the social capital of a group of nodes by means of the effective resistance and emphasize the importance of considering the entire network topology. Grounded in spectral graph theory, we introduce three effective resistance-based measures of group social capital, namely group isolation, group diameter and group control, where the groups are defined according to the value of a protected attribute. We denote the social capital disparity among different groups in a network as structural group unfairness, and propose to mitigate it by means of a budgeted edge augmentation heuristic that systematically increases the social capital of the most disadvantaged group. In experiments on real-world networks, we uncover significant levels of structural group unfairness when using gender as the protected attribute, with females being the most disadvantaged group in comparison to males. We also illustrate how our proposed edge augmentation approach is able to not only effectively mitigate the structural group unfairness but also increase the social capital of all groups in the network.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google