Fairness and Diversity in Graphs Algorithms

本项目旨在创建公平且多样化的图算法，以解决社交媒体、交通和能源系统等现实网络中的社会不平等问题。尽管图结构已广泛应用于影响数十亿人的技术中，但当前的算法往往忽视了公平性，导致结果存在偏见或使代表性不足的群体被排除在外。尽管在公平算法设计方面已取得一些进展，现有方法仍受限于狭窄的评估指标、可扩展性差以及不同公平目标之间尚未解决的权衡问题。 本研究将开发新的、可扩展的算法，用于社区发现、子图挖掘和图分解等任务，同时融入有意义的公平性和多样性原则。研究工作将把这些方法应用于诸如基础设施网络中的公平资源分配以及社交网络中的均衡表征等现实问题。 候选人将在国立清华大学（NTHU）进行为期18个月的学习，建立图论与优化方面的基础能力；随后在利物浦大学开展24个月的研究，提升算法效率并使用真实数据进行测试；最后回到国立清华大学进行6个月的成果总结与论文撰写。在两所机构中来自图挖掘、机器学习和社会网络分析领域专家的支持下，该项目为推进伦理化、包容性及社会责任导向的计算技术提供了独特的发展路径。