본 논문은 공정한 클러스터링 알고리즘을 제안합니다. 기존의 공정한 클러스터링 알고리즘은 복잡성이나 근사화로 인해 최적의 클러스터링 유틸리티를 달성하지 못하거나 수치적 불안정성을 야기하는 문제점이 있습니다. 이를 해결하기 위해, 본 논문에서는 공정한 K-means 클러스터링 목적 함수의 새로운 분해를 기반으로 하는 새로운 알고리즘인 FCA(Fair Clustering via Alignment)를 제안합니다. FCA는 서로 다른 보호 그룹의 데이터를 정렬하는 결합 확률 분포를 찾고, 정렬된 공간에서 클러스터 중심을 최적화하는 과정을 반복적으로 수행합니다. FCA의 주요 장점은 복잡한 제약 조건 없이 주어진 공정성 수준에 대해 근사적으로 최적의 클러스터링 유틸리티를 이론적으로 보장하여 실제로 높은 유틸리티의 공정한 클러스터링을 가능하게 한다는 점입니다. 실험 결과, FCA는 공정성 수준과 클러스터링 유틸리티 간의 우수한 절충안을 달성하고, 수치적 불안정성 없이 거의 완벽한 공정성을 달성함으로써 기존 방법보다 우수한 성능을 보입니다.
