一种图神经网络偏见溯源与公平性优化方法及系统

本发明公开了一种图神经网络偏见溯源与公平性优化方法及系统，方法包括：构建含敏感属性的图结构，划分敏感子组并预测；计算节点互信息偏见值，通过Shapley值公式及蒙特卡罗采样确定关键节点组合与偏见子图；通过删除高偏见边、替换节点等操作优化图结构，结合双重损失函数联合训练模型，最后用公平性指标评估并反馈优化。系统包含数据处理、敏感子组划分与预测、互信息偏见计算、Shapley值分析、公平性优化及评估模块。本发明可精准定位偏见来源，有效提升图神经网络公平性，适用于社交网络、推荐系统等多场景，实验表明其公平性指标优于现有方法。