순위 매기기를 위한 확률적 다기준 수용성 분석(SMAA)의 공정성 인식 확장
A fairness-aware extension of Stochastic Multicriteria Acceptability Analysis for ranking
개인이나 사회 집단이 포함된 순위 매기기 문제에서 공정성은 특히 책임 있는 인공지능(Responsible AI) 의제 하에서 중요한 관심사가 되었습니다. 다기준 의사결정 분석(MCDA)에서 확률적 다기준 수용성 분석(SMAA)은 불확실성과 불완전한 선호 정보를 처리하는 강력한 프레임워크를 제공하지만, 결과로 나오는 순위에서 공정성을 명시적으로 다루지는 못합니다. 본 논문은 순위 매기기 문제에 대한 SMAA의 공정성 인식 확장인 SMAA-Fair를 제안합니다. 이 접근법은 SMAA가 생성한 시뮬레이션된 순위의 집단 공정성 수준에 따라 가중치를 재조정하여, 더 공정한 순위가 수용성 지수와 중심 가중치 벡터에 더 강력하게 기여하도록 합니다. 이 프레임워크는 집계 모델에 독립적이며 다양한 공정성 지표를 통합할 수 있습니다. 본 연구에서는 통계적 패리티(Statistical Parity), 정규화된 할인 쿨백-라이블러 발산(rKL), 정규화된 할인 누적 쿨백-라이블러 발산(nDKL)을 채택합니다. 순위는 기대 순위와 최대 수용성 순위를 사용하여 공정성 조정 수용성 행렬에서 도출됩니다. 또한 획득된 순위의 공정성 정도에 따라 중심 가중치를 도출합니다. 합성 데이터와 실제 데이터를 사용한 수치 실험 결과, SMAA-Fair는 선호 불확실성에 대한 강인성을 유지하면서 유리한 순위 위치에서 보호 집단의 대표성을 향상시키는 것으로 나타났습니다.