计算机应用

作者：彭一峰, 朱焱

单位：西南交通大学 计算机与人工智能学院，成都 611756

关键词：链接预测,公平性,过滤气泡,预处理,对抗学习

基金：四川省科技计划项目(2019YFSY0032)

链接预测是网络分析的一项重要任务，它研究个体之间的相互作用，并推断在未来不断发展的网络中可能出现的新关系；然而，在链接预测过程中可能存在偏见，特别是当涉及包含某些敏感属性的个体之间的链接时，如引发“过滤气泡”的效应，这一效应表现为在线用户公开信息的隔离程度加剧、多样性降低。针对上述问题，从算法公平性的角度缓解“过滤气泡”问题，将预处理阶段的方法和处理阶段的方法相结合，进而提出ALFLP （Adding Link and Adversarial Learning for Fair Link Prediction）方法。在预处理阶段，通过向劣势链接群组添加链接，减小不同群组的链接密度差异；在处理阶段，将预处理阶段的输出输入至基于对抗学习的方法，并通过生成器与鉴别器相互博弈，促进更多组间链接，缓解“过滤气泡”问题。在真实数据集pokec_n和pokec_z上的实验结果表明，与基线方法（如Jaccard）相比，ALFLP方法的AUC指标分别提高了约12和10个百分点，而modred指标分别提高了约0.14和0.10。可见，ALFLP方法能在公平性和预测准确性之间实现较好的权衡。

来源：2025年第8期

《计算机应用》期刊编辑部

查看计算机应用杂志2025年第8期