亚历山德罗·卡斯特尔诺沃
人员信息
优化列表
![笔记](https://dblp.uni-trier.de/img/note-mark.dark.12x12.png)
2020年-今天
2024 [i7] 亚历山德罗·卡斯特尔诺沃 :
银行业走向负责任的人工智能:解决公平决策的偏见。 CoRR公司 abs/2401.08691 ( 2024 ) 2023 [第11条] 亚历山德罗·卡斯特尔诺沃 , 里卡多·克鲁皮 , 法比奥·梅尔科里奥 , 马里奥·梅赞扎尼察 , 丹尼尔·波特 , 丹尼尔·雷戈利 :
将LLM与领域专家验证结合用于因果图生成(短文)。 AIABI@人工智能 *IA公司 2023 [第10条] 尼古拉·阿里蒙达 , 亚历山德罗·卡斯特尔诺沃 , 里卡多·克鲁皮 , 法比奥·梅尔科里奥 , 马里奥·梅赞扎尼卡 :
在具有交叉偏差的公平排名中保持效用。 BIAS公司 2023 : 59-73 【c9】 约阿希姆·鲍曼 , 亚历山德罗·卡斯特尔诺沃 , 里卡多·克鲁皮 , 尼科尔·因弗拉迪 , 丹尼尔·雷戈利 :
一个用于生成有偏见数据集的开源工具包。 EWAF公司 2023 【c8】 约阿希姆·鲍曼 , 亚历山德罗·卡斯特尔诺沃 , 里卡多·克鲁皮 , 尼科尔·因弗拉迪 , 丹尼尔·雷戈利 :
需求偏差:生成带有偏差的合成数据的建模框架。 FAccT公司 2023 : 1002-1013 【c7】 约阿希姆·鲍曼 , 亚历山德罗·卡斯特尔诺沃 , 安德里亚·科森蒂尼 , 里卡多·克鲁皮 , 尼科尔·因弗拉迪 , 丹尼尔·雷戈利 :
按需偏差:使用合成数据生成器调查偏差。 国际JCAI 2023 : 7110-7114 【c6】 亚历山德罗·卡斯特尔诺沃 , 尼科尔·因弗拉迪 , 洛伦佐·马兰德里 , 法比奥·梅尔科里奥 , 马里奥·梅赞扎尼卡 , 安德烈亚·塞维索 :
利用集团对比解释处理公平问题。 xAI(3) 2023 : 332至345 [i6] 亚历山德罗·卡斯特尔诺沃 , 尼科尔·因弗拉迪 , 加布里埃尔·纳尼诺 , 伊利亚·朱塞皮娜·彭科 , 丹尼尔·雷戈利 :
够公平了吗? 具有“公平”算法的要求的当前限制的映射。 CoRR公司 abs/2311.12435 ( 2023 ) [i5] 亚历山德罗·卡斯特尔诺沃 , 里卡多·克鲁皮 , 尼科尔·蒙贝利 , 加布里埃尔·纳尼诺 , 丹尼尔·雷戈利 :
评价项目——排名对比说明。 CoRR公司 abs/2312.10094 ( 2023 ) 2022 [j1] 亚历山德罗·卡斯特尔诺沃 , 安德烈亚·科森蒂尼 , 洛伦佐·马兰德里 , 法比奥·梅尔科里奥 , 马里奥·梅赞扎尼卡 :
FFTree:处理多个公平标准的灵活树。 信息处理。 管理。 59 ( 6 ) : 103099 ( 2022 ) 【c5】 亚历山德罗·卡斯特尔诺沃 , 里卡多·克鲁皮 , 尼科尔·因弗拉迪 , 丹尼尔·雷戈利 , 安德烈亚·科森蒂尼 :
用合成数据生成器调查偏见:经验证据和哲学解释。 AI注意 *IA公司 2022 : 46-60 【c4】 里卡多·克鲁皮 , 披头士圣米盖尔·冈萨雷斯 , 亚历山德罗·卡斯特尔诺沃 , 丹尼尔·雷戈利 :
利用因果关系向最终用户提供反事实解释和可行建议。 ICAART(2) 2022 : 24-32 【c3】 亚历山德罗·卡斯特尔诺沃 :
扩展决策树以处理多个公平准则。 国际JCAI 2022 : 5839-5840 [i4] 亚历山德罗·卡斯特尔诺沃 , 里卡多·克鲁皮 , 尼科尔·因弗拉迪 , 丹尼尔·雷戈利 , 安德烈亚·科森蒂尼 :
用合成数据生成器调查偏见:经验证据和哲学解释。 CoRR公司 abs/2209.05889 ( 2022 ) 2021 【c2】 亚历山德罗·卡斯特尔诺沃 , 洛伦佐·马兰德里 , 法比奥·梅索里奥 , 马里奥·梅赞扎尼卡 , 安德烈亚·科森蒂尼 :
通过时间走向公平。 PKDD/ECML研讨会(1) 2021 : 647-663 [i3] 亚历山德罗·卡斯特尔诺沃 , 里卡多·克鲁皮 , 朱利亚·德尔甘巴 , 格雷塔·格雷科 , 艾莎·纳赛尔 , 丹尼尔·雷戈利 , 披头士圣米盖尔·冈萨雷斯 :
BeFair:解决银行业的公平问题。 CoRR公司 abs/2102.02137 ( 2021 ) [i2] 亚历山德罗·卡斯特尔诺沃 , 里卡多·克鲁皮 , 格雷塔·格雷科 , 丹尼尔·雷戈利 :
机器学习中的公平度量动物园。 CoRR公司 abs/2106.00467 ( 2021 ) [i1] 里卡多·克鲁皮 , 亚历山德罗·卡斯特尔诺沃 , 丹尼尔·雷戈利 , 披头士圣米盖尔·冈萨雷斯 :
反事实解释作为对潜在空间的干预。 CoRR公司 腹肌/2106.07754 ( 2021 ) 2020 【c1】 亚历山德罗·卡斯特尔诺沃 , 里卡多·克鲁皮 , 朱利亚·德尔甘巴 , 格雷塔·格雷科 , 艾莎·纳赛尔 , 丹尼尔·雷戈利 , 比阿特丽斯·圣米格尔·冈萨雷斯 :
BeFair:解决银行业的公平问题。 IEEE大数据 2020 : 3652-3661
合著者索引
![](https://dblp.uni-trier.de/img/cog.dark.24x24.png)