공정성을 고려한 페이지랭크 근사화: 평균장 접근법

초록

본 논문은 그룹 수준의 공정성을 보장하면서도 기존 Fairness‑Sensitive PageRank(FSPR)의 고비용 행렬 연산을 회피하는 평균장(mean‑field) 근사 방법을 제안한다. 노드를 진입·출입 차수와 그룹 라벨에 따라 클래스화하고, 각 클래스의 평균 점수를 이용해 텔레포트 벡터를 추정함으로써 닫힌 형태의 근사식을 도출한다. 또한 클래스 내 점수 변동성을 분석해 분산식을 제공하고, 실험을 통해 원본 FSPR 대비 10배 가량 빠른 실행 시간을 확인한다.

상세 분석

이 연구는 소셜 네트워크에서 구조적 불평등을 완화하기 위한 Fairness‑Sensitive PageRank(FSPR)의 실용적 한계를 정확히 짚어낸다. 기존 FSPR은 공정성 제약을 만족시키기 위해 텔레포트 벡터(v)를 최적화하고, 그 결과를 전체 N×N 행렬 Q=ν