본 논문은 클러스터링에서의 알고리즘적 공정성을 개선하기 위해 새로운 공정 클러스터링 알고리즘인 FCA(Fair Clustering via Alignment)를 제안한다. FCA는 공정한 K-means 클러스터링 목적 함수의 새로운 분해를 기반으로 하며, 서로 다른 보호 그룹의 데이터를 정렬하는 결합 확률 분포를 찾고 정렬된 공간에서 클러스터 중심을 최적화하는 과정을 반복적으로 수행한다. 기존 방법들의 복잡성이나 근사화로 인한 최적화되지 않은 클러스터링 유틸리티나 수치적 불안정성 문제를 해결하기 위해, FCA는 어떠한 공정성 수준에서도 근사적으로 최적의 클러스터링 유틸리티를 보장하며, 실제로 높은 유틸리티의 공정한 클러스터링을 가능하게 한다. 실험 결과, FCA는 공정성 수준과 클러스터링 유틸리티 간의 우수한 절충점을 달성하고, 수치적 불안정성 없이 거의 완벽한 공정성을 달성함으로써 기존 방법들을 능가하는 성능을 보였다.
