집단 공정성을 고려하는 자기 지도 대조 학습

Cited 0 time in webofscience Cited 0 time in scopus
  • Hit : 60
  • Download : 0
이 연구에서는 자기 지도 대조 학습을 기반으로 편향을 해소하고 집단 공정성을 만족하는 데이터 표현을 생성하는 방법을 제시한다. 모델은 공정하게 데이터를 표현하기 위해 임베딩 공간상에서 보호 집단을 구분 불가능하도록 임베딩을 생성하여 이후 본 학습에서 보호 변수를 학습하지 못하도록 한다. 성별, 인종 등의 대표적인 보호 변수에 대해 실험을 진행한 결과, 우리의 모델은 4개의 데이터에서 큰 성능의 손실 없이 공정한 임베딩을 생성하는 결과를 보였다.
Publisher
한국정보과학회, 한국정보처리학회
Issue Date
2021-12-20
Language
Korean
Citation

2021 한국소프트웨어종합학술대회

URI
http://hdl.handle.net/10203/299551
Appears in Collection
CS-Conference Papers(학술회의논문)
Files in This Item
There are no files associated with this item.

qr_code

  • mendeley

    citeulike


rss_1.0 rss_2.0 atom_1.0