본 논문은 차세대 위치 예측 모델의 사회적 영향력을 탐구하며, 대규모 데이터셋 기반 최첨단 모델의 편향성을 분석합니다. 인종 및 민족별 사용자 그룹에 대한 예측 성능 차이를 파악하고, 공정성 개선을 위해 그룹별 인구 비율을 고려한 샘플링 전략인 Fairness-Guided Incremental Sampling (FGIS)을 제안합니다. Size-Aware K-Means (SAKM)을 활용하여 익명화된 사용자에게 프록시 인종 레이블을 할당하고, 이를 기반으로 성능 향상 및 그룹 표현을 우선시하는 샘플링 알고리즘을 개발했습니다. FGIS는 기존 모델 대비 그룹 간 불평등을 최대 40%까지 감소시키면서 전체적인 정확도 손실을 최소화하는 효과를 보였습니다.
