一种图神经网络公平性提升方法及系统

一种图神经网络公平性提升方法及系统，涉及图神经网络技术领域。方法步骤包括：解析图数据构建节点集合并划分敏感属性子组；采用贝叶斯平滑技术估计子组预测结果的概率分布；计算节点预测结果与敏感子组的互信息差作为节点级偏见值，进而生成全局平均偏见；将全局偏见融入损失函数，通过动态权重策略平衡任务损失与公平性约束，优化模型参数。系统包括：节点集合构建模块、敏感属性子组分析模块、节点偏见计算模块、全局约束生成模块和联合优化训练模块。本发明突破宏观统计局限，实现节点级偏见精准定位；融合图结构信息提升公平性优化效能；动态权重策略平衡性能与公平性。适用于社交网络分析、金融风控等场景。