基于因果干预的数据分类公平性增强方法及装置

本发明提出一种基于因果干预的数据分类公平性增强方法及装置，在梯度和贡献度的指导下使用因果干预减轻分类中反事实偏见。该方法包括：从输入数据中提取非敏感、敏感及标签特征；构建包含变分自编码器、判别器以及因果关系约束的生成器组的对抗网络，建立符合因果推断理论的数据生成模型；在梯度和关联度的指导下进行因果干预，得到全局反事实歧视样本；利用全局反事实歧视样本，在贡献度和关联度的指导下进行因果干预得到局部反事实歧视样本；对上述反事实歧视样本进行偏差校正，得到反事实公平样本。本发明实现了可扩展的数据分类公平性增强，通过生成反事实公平样本，提升决策的公平性，可应用于招聘、医疗、司法等对公平性要求较高的领域。