近日，我校计算机科学与技术2023级硕士研究生王玉阁作为第一作者撰写的论文《Topology Matters: Achieving Fairness in Graph Neural Networks through Heterophily Propagation》被国际顶级期刊《SCIENCE CHINA Information Sciences》（SCIS）录用。该论文的通信作者为博士生导师、计算机学院杨习贝教授。SCIS是由中国计算机学会（CCF）与中国人工智能学会（CAAI）共同推荐的A类期刊，是中国科学旗下报道计算机科学与技术、控制科学与控制工程等领域基础与应用研究方面的原创性成果的顶级期刊。
论文中，研究者设计了一种图异质性传播网络框架（FairDHP），旨在解决图神经网络在处理敏感属性（如种族、性别）时的公平性问题。传统的图神经网络存在同质性传播的问题，即节点之间的连接主要集中在同一敏感群体内，导致少数群体的节点信息未能有效传播，进而加剧了模型的不公平性。为此，FairDHP提出了两种关键机制：敏感性算子模块与自适应消息传递机制模块。通过对节点邻域中的同质与异质连接进行平衡，并引入局部解耦传播和全局异质性感知传播，FairDHP能够有效缓解拓扑偏差，改善图学习中的公平性和准确性。
与现有方法相比，FairDHP对不同的图神经网络编码器都有着高度适配性。实验结果显示，FairDHP取得了最佳的公平性与准确性的平衡。该研究创新性地构建了异质性传播在公平性领域的理论框架与技术路径，为推荐系统、欺诈检测等需要公平图数据分析的领域提供了新的方法论支撑，对推动图神经网络技术发展具有重要的指导意义。
附录用邮件
