Minority Representation in Network Rankings: Methods for Estimation, Testing, and Fairness
Networks are widely used to model complex relationships across various fields. Centrality metrics are essential for assessing node importance, and often inform downstream decisions and prioritization of resources. However, networks frequently suffer from noise, such as missing or incorrect edges, which can distort centrality-based decisions. Specifically, if edge noise is driven by protected group information, it can lead to unfair decision-making, potentially affecting the representation of minority groups. To address this issue, we focus on networks with label information and introduce a formal definition of minority representation, measured as the proportion of minority nodes among the top-ranked nodes. We model systematic bias against minority groups by using label-related missing edge errors. We propose methods to estimate and test for systematic bias under various noisy network models.
Représentation des minorités dans les classements de réseaux : méthodes d'estimation, de test et d'équité
Les réseaux sont largement utilisés pour modéliser des relations complexes dans divers domaines. Les mesures de centralité sont essentielles pour évaluer l'importance des nœuds et permettent souvent de prendre des décisions en aval et de hiérarchiser les ressources. Cependant, les réseaux souffrent souvent de bruit, tel que des arêtes manquantes ou incorrectes, qui peuvent fausser les décisions basées sur la centralité. Plus précisément, si le bruit des arêtes est dû à des informations sur les groupes protégés, il peut conduire à des décisions injustes, affectant potentiellement la représentation des groupes minoritaires. Pour résoudre ce problème, nous nous concentrons sur les réseaux contenant des informations sur les étiquettes et nous introduisons une définition formelle de la représentation des minorités, mesurée comme la proportion de nœuds appartenant à des minorités parmi les nœuds les mieux classés. Nous modélisons le biais systématique contre les groupes minoritaires en utilisant les erreurs d'arêtes manquantes liées à l'étiquette. Nous proposons des méthodes pour estimer et tester le biais systématique dans divers modèles de réseaux bruyants.
Date and Time
-
Langue de la présentation orale
Anglais
Langue des supports visuels
Anglais