この論文はグラフニューラルネットワーク(GNN)の偏向問題を扱います。既存の研究は単純化された公平性評価指標に集中してGNNの偏りを解消しようとしましたが、これはグラフ構造の複雑さのために誤解を招く可能性があることを指摘しています。本論文では,コミュニティレベルでGNNの偏りを測定し評価する新しい戦略を提示した。具体的には、さまざまな地域近傍分布に起因する偏向を解決するために、学習可能なコアセットベースの偏向解消関数を使用するComFairGNNという新しいフレームワークを提案します。 3つのベンチマークデータセットの実験は、ComFairGNNの有効性を精度と公平性指標の観点から実証します。