यह शोधपत्र ग्राफ़ न्यूरल नेटवर्क (GNN) में पूर्वाग्रह की समस्या पर विचार करता है। हम बताते हैं कि पिछले अध्ययनों ने सरलीकृत निष्पक्षता मूल्यांकन मानकों पर ध्यान केंद्रित करके GNN के पूर्वाग्रह को दूर करने का प्रयास किया है, लेकिन ग्राफ़ संरचना की जटिलता के कारण यह भ्रामक हो सकता है। इस शोधपत्र में, हम समुदाय स्तर पर GNN के पूर्वाग्रह को मापने और उसका मूल्यांकन करने के लिए एक नई रणनीति प्रस्तावित करते हैं। विशेष रूप से, हम ComFairGNN नामक एक नए ढाँचे का प्रस्ताव करते हैं, जो विविध स्थानीय पड़ोस वितरणों के कारण उत्पन्न पूर्वाग्रह को दूर करने के लिए एक सीखने योग्य कोरसेट-आधारित डीबायसिंग फ़ंक्शन का उपयोग करता है। तीन बेंचमार्क डेटासेट पर प्रयोगों के माध्यम से, हम सटीकता और निष्पक्षता मानकों के संदर्भ में ComFairGNN की प्रभावशीलता को प्रदर्शित करते हैं।
