电子设计工程ElectronicDesignEngineering第31卷Vol.31第4期No.42023年2月Feb.2023收稿日期：2021-10-31稿件编号：202110156基金项目：国家自然科学基金资助项目（61828601）；山西省重点研发计划项目（201903D321003）作者简介：王怡（1997—），女，山西长治人，硕士研究生。研究方向：人工智能，机器学习。当前，数据摘要逐渐成为机器学习的研究热点。然而数据摘要算法被证明在性别、种族和民族等敏感属性方面存在偏见[1-2]，尤其在教育、招聘、银行和司法系统等领域中[3-5]，所引起的公平性问题[6]得到了广泛的关注。对于上述问题，该文引入流式子模最大化算法[7]，在此基础上改进算法约束，考虑数据项的组成性，在每组中选取指定范围内的元素构成具有代表性的子集，从而使提取出的子集更具有公平性和多样性。1基于公平约束的流式子模算法1.1拟阵约束下的流式子模最大化模型在很多情况下，考虑算法的稳定性以及成本等问题，通常采用拟阵约束下的流式子模优化模型[8-10]。定义1：假设V表示原有数据集中n个元素的集基于数据摘要的流式子模优化算法研究王怡1，常青1，王耀力1，郝慧琴2（1.太原理工大学信息与计算机学院，山西晋中030600；2.中国电信股份有限公司山西分公司，山西太原030000）摘要：针对如何从数据中提取出公平摘要的问题，文中采用流式子模最大化方法来解决该问题，并对其算法进行改进，提出一种公平约束下的流式子模最大化算法。该算法根据摘要的个数以及数据属性范围设置上下界构成公平约束，能够确保提取出代表性子集涵盖原始数据集的所有属性范围。仿真结果表明，该文算法与其他流式子模最大化算法相比，不仅时间复杂度减少了8.6%以上，而且在不同数据集下都能保证数据摘要结果的公平性与多样性。关键词：数据汇总；子模优化；公平约束；流算法；多样性中图分类号：TP391文献标识码：A文章编号：1674-6236（2023）04-0016-05DOI：10.14022/j.issn1674-6236.2023.04.004ResearchofstreamingsubmodularoptimizationalgorithmbasedondatasummarizationWANGYi1，CHANGQing1，WANGYaoli1，HAOHuiqin2（1.CollegeofInformationandComputer，TaiyuanUniversityofTechnology，Jinzhong030600，China；2.ShanxiBranchofChinaTelecomCo.，Ltd.，Taiyuan030000，China）Abstract:Aimingattheproblemofhowtoextractfairsummarizationfromdata，thispaperadoptsthestreamingsubmodularmaximizationmethodtosolveit，improvesthealgorithm，...
