[论文解读] Fairness in Clustering with Multiple Sensitive Attributes

Savitha Sam Abraham, P Deepak+1 more|arXiv (Cornell University)|Oct 11, 2019

Privacy-Preserving Technologies in Data参考文献 22被引用 19

一句话总结

本文提出 FairKM，一种新颖的公平聚类方法，通过将公平性损失整合到 K-Means 目标中，优化多个敏感属性（二值、多值或数值型）下的聚类质量与表征公平性。实证评估显示，FairKM 在真实数据集上的聚类质量与公平性指标方面显著优于最先进基线方法。

ABSTRACT

A clustering may be considered as fair on pre-specified sensitive attributes if the proportions of sensitive attribute groups in each cluster reflect that in the dataset. In this paper, we consider the task of fair clustering for scenarios involving multiple multi-valued or numeric sensitive attributes. We propose a fair clustering method, extit{FairKM} (Fair K-Means), that is inspired by the popular K-Means clustering formulation. We outline a computational notion of fairness which is used along with a cluster coherence objective, to yield the FairKM clustering method. We empirically evaluate our approach, wherein we quantify both the quality and fairness of clusters, over real-world datasets. Our experimental evaluation illustrates that the clusters generated by FairKM fare significantly better on both clustering quality and fair representation of sensitive attribute groups compared to the clusters from a state-of-the-art baseline fair clustering method.

研究动机与目标

• 填补现有公平聚类方法在处理多个敏感属性（包括数值型和多值属性）方面，仅限于单一或二值属性的空白。
• 开发一种聚类框架，确保在聚类中对受保护群体的公平表征，且在聚类过程中无需显式使用敏感属性特征。
• 通过统一的优化目标，平衡非敏感属性上的聚类质量与敏感属性上的公平性之间的权衡。
• 在真实数据集上对方法进行实证评估，以证明其在公平性与聚类质量方面均优于现有方法。

提出的方法

• 构建一个公平聚类目标，将标准 K-Means 聚类损失与一种新颖的公平正则化项相结合。
• 引入一个参数 λ 以控制聚类质量与公平性之间的权衡，使用户能够调节两者的相对重要性。
• 使用一种改进的 K-Means 更新规则，在质心计算过程中引入公平性约束，确保每个聚类中群体表征的均衡性。
• 定义公平性度量指标，如平均组内（AW）、最大组内（MW）以及均匀性偏差（DevO、DevC），以量化群体表征的公平性。
• 通过迭代方式最小化组合目标函数，同时更新聚类分配与质心，并强制执行公平性约束。
• 对 λ 进行敏感性分析，以评估在不同参数设置下公平性与聚类质量之间的权衡。

实验结果

研究问题

• RQ1 当存在多个敏感属性（二值、多值或数值型）时，如何有效形式化聚类中的公平性？
• RQ2 一种受 K-Means 启发的方法能否在多种敏感属性类型下同时实现高聚类质量与强公平性？
• RQ3 实际中，权衡参数 λ 如何影响聚类质量与公平性之间的平衡？
• RQ4 在真实数据集上，FairKM 与最先进公平聚类基线方法相比，在公平性与聚类质量方面表现如何？
• RQ5 FairKM 在高度偏态分布的属性上的性能特征是什么？

主要发现

• FairKM 在公平性表现上显著优于 ZGYA 基线方法，且在多个数据集与公平性度量下平均差距更大。
• 在 Adult 数据集上，尽管 FairKM(All) 使用了所有敏感属性作为公平性约束，但 FairKM(S) 在公平性度量上仍表现更优。
• 随着 λ 增大，FairKM 在公平性度量（如 DevO、DevC）上表现出稳定且渐进的提升，同时在 Kinematics 数据集上聚类质量（CO、SH）仅出现轻微退化。
• 在 Kinematics 数据集上，FairKM(S) 的 MW 更高且 AW 更低，表明其在聚类表征中的公平性更优。
• 敏感性分析证实，随着 λ 增大，公平性持续提升，而聚类质量仅出现微小退化，验证了该方法的可控性。
• 实证结果表明，即使在对基线方法有利的合成设置中，FairKM 仍能保持强大的聚类质量并实现更优的公平性，证明了其鲁棒性与有效性。