AIBR プレミアム
田中専務
拓海先生、最近部下が「フェアなクラスタリング」って論文を読めと言うんですけど、正直何が問題で何が解決されるのかさっぱりでして。
AIメンター拓海
素晴らしい着眼点ですね！まず簡潔に結論を述べますと、この研究は「クラスタを作るときに公平性を担保しつつ、生データからノイズを取り除いて良いグラフを自動で作る」仕組みを一つにまとめたものですよ。
田中専務
それって要するに、データのグラフをちゃんと作らないと結果が偏るから、最初からグラフ作りもクラスタリングも一緒にやってしまおうという話ですか？
AIメンター拓海
その通りです。詳しくは三点、まずグラフ（graph learning、GL、グラフ学習）を生データからノイズを除いて推定する点、次にグループ公平性（group fairness、GF、グループ公平性）を埋め込んだスペクトル埋め込み（spectral embedding、SE、スペクトル埋め込み）を用いる点、最後に離散ラベリングでk-meansに頼らずスペクトル回転（spectral rotation）を使う点です。
田中専務
うーん、グラフを推定するってのは例えばどんなイメージでしょうか。現場のデータは汚れていることが多いので、そこが心配でして。
AIメンター拓海
良い質問です。身近な例で言えば、あなたの工場で各製品の類似度を示す表を作るとしますが、その表がノイズだらけだと間違ったグループに分けられます。そこで論文ではノードごとに適応するフィルタを使って信号を滑らかにし、良い
監修者
阪上雅昭（SAKAGAMI Masa-aki）
京都大学 人間・環境学研究科 名誉教授
論文研究シリーズ
AI技術革新 - 人気記事
PCも苦手だった私が
