arXiv cs.CY· Theresa Elstner, Martin Potthast·· 10 小时前AI 评分20
面向算法决策中人类表征的唯一性感知特征工程框架
Uniqueness-Aware Feature Engineering for Representing Humans in Algorithmic Decision Making
AI 导读
研究者提出唯一性感知特征工程框架，将特征工程建模为对有限训练人群候选特征的随机选择过程，用多元超几何模型度量个体被输入表征覆盖的程度并识别"最未被代表"的个体。第二层以集合相似度在群体表征拟合与预测准确率之间寻优，并落地为六步流水线，用合成数据完成原理验证。该框架不预设未见个体的先验知识，可输出可发布的表征拟合报告，为部署机构提供问责依据、为被决策者提供个人表征透明度。
正文 · AI 翻译
摘要：对算法决策系统的公平性分析通常将个体的特征表示视为先验固定的输入。然而，特征表示在多大程度上捕捉了对于不同人及其独特背景而言真正与决策相关的内容，通常未受审视。我们通过将特征工程建模为在有限训练总体的汇总特征上进行的随机选择过程，来填补这一空白。基于该模型，我们开发了一个新的独特性感知特征工程框架，该框架分两层运作。第一层使用特征流行度的多元超几何模型来衡量总体异质性。它展示了任何给定输入表示对个体的代表程度，以及总体中哪个人相对于其个人的参考特征而言“代表性最低”。第二层利用集合相似度度量对这一评估采取行动，以在总体的表示拟合度与预测准确性之间寻找最优。在不假设对未见个体有先验知识的情况下，我们的框架赋予被代表的人类对其个案中何为决策相关内容的自主权，通过可发布的表示拟合报告让部署机构承担责任，并为每个受决策影响的人提供关于其个人表示拟合度的透明度。我们将该框架实现为六步流水线，并使用合成数据展示了原理验证。我们的方法为让算法决策系统在开发和生产过程中对其代表个体的程度负责提供了一份蓝图。
| 主题： | 计算机与社会（cs.CY）；人机交互（cs.HC） |
| ACM 分类： | K.4 |
| 引用为： | arXiv:2611.09403 [cs.CY] |
| （或本版本的 arXiv:2611.09403v1 [cs.CY]） | |
| https://doi.org/10.48550/arXiv.2611.09403 由 DataCite 颁发的 arXiv DOI（待注册） |
提交历史
来自：Theresa Elstner [查看电子邮件]
[v1]
2026年11月6日星期五 12:37:12 UTC（539 KB）
来源：arXiv cs.CY · arxiv.org