公平なクラスタリングは、教師なし学習におけるバイアスを緩和するために重要ですが、従来のアルゴリズムは計算複雑性が高く、大規模データセットには不向きです。この問題を解決するために、著者らはAnchor-based Fair Clustering Framework（AFCF）を提案します。このフレームワークは任意の公平クラスタリングアルゴリズムをリニアタイムでスケーラブルにすることができ、小さくても代表的なアンカーのセットを新しい公正サンプリング戦略で選択します。その後、この小さなアンカーセットに任意の既存の公平クラスタリングアルゴリズムを適用します。フレームワークの中心は、アンカーグラフの構築モジュールにあり、公正を保ちながらラベルを伝播させる最適化問題を定式化します。この最適化は、ADMMベースのアルゴリズムを用いて効率的に解決されます。大規模ベンチマークでの実験により、AFCFが最先端の手法を大幅に加速しながら、クラスタリング性能と公平性を維持できることが示されています。