Fugu-MT 論文翻訳(概要): Investigating Societal Biases in a Poetry Composition System

論文の概要: Investigating Societal Biases in a Poetry Composition System

arxiv url: http://arxiv.org/abs/2011.02686v1
Date: Thu, 5 Nov 2020 07:07:40 GMT
ステータス: 処理完了
システム内更新日: 2022-09-29 11:58:40.664813
Title: Investigating Societal Biases in a Poetry Composition System
Title（参考訳）: 詩作システムにおける社会バイアスの調査
Authors: Emily Sheng and David Uthus
Abstract要約: 本稿では,詩作文システムにおける次の詩文提案を検索する際の社会的バイアスを軽減するためのパイプラインに関する新しい研究を紹介する。以上の結果から,感情伝達によるデータ増大は社会的偏見を緩和する可能性が示唆された。
参考スコア（独自算出の注目度）: 3.6930948691311016
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: There is a growing collection of work analyzing and mitigating societal biases in language understanding, generation, and retrieval tasks, though examining biases in creative tasks remains underexplored. Creative language applications are meant for direct interaction with users, so it is important to quantify and mitigate societal biases in these applications. We introduce a novel study on a pipeline to mitigate societal biases when retrieving next verse suggestions in a poetry composition system. Our results suggest that data augmentation through sentiment style transfer has potential for mitigating societal biases.
Abstract（参考訳）: 言語理解、生成、検索タスクにおける社会的偏見を分析し、緩和する作業は増えているが、創造的なタスクにおける偏見を調査する作業は未熟である。創造的な言語アプリケーションはユーザとの直接的なインタラクションを目的としているため、これらのアプリケーションにおける社会的バイアスの定量化と緩和が重要である。詩作システムにおいて,次の詩提案を検索する際の社会バイアスを軽減するためのパイプラインに関する新しい研究を紹介する。以上の結果から,感情伝達によるデータ増大は社会的偏見を緩和する可能性が示唆された。

関連論文リスト

Overview of PerpectiveArg2024: The First Shared Task on Perspective Argument Retrieval [56.66761232081188]
本稿では,社会における少数派・多数派を代表する年齢,性別,政治的態度など,人口・社会文化(社会)の多様性を包括する新しいデータセットを提案する。パースペクティビズムを取り入れる上での重大な課題は、特に社会的なプロファイルを明示的に提供せずに、議論のテキストのみに基づくパーソナライズを目指す場合である。パーソナライズと分極の低減を図るため, パーソナライズを最適化するためには, パーソナライズされた論証検索をブートストラップするが, さらなる研究が不可欠である。
論文参考訳（メタデータ） (2024-07-29T03:14:57Z)
Interpretation modeling: Social grounding of sentences by reasoning over their implicit moral judgments [24.133419857271505]
単一のゴールド標準解釈はほとんど存在せず、自然言語処理における従来の仮定に挑戦する。この研究は、文の基本的意味論のいくつかの解釈をモデル化することを含む解釈モデリング(IM)タスクを導入する。実験と分析をサポートするために、第一種IMデータセットがキュレーションされている。
論文参考訳（メタデータ） (2023-11-27T07:50:55Z)
Bias and Fairness in Large Language Models: A Survey [73.87651986156006]
本稿では,大規模言語モデル(LLM)のバイアス評価と緩和手法に関する総合的な調査を行う。まず、自然言語処理における社会的偏見と公平性の概念を統合し、形式化し、拡張する。次に,3つの直感的な2つのバイアス評価法と1つの緩和法を提案し,文献を統一する。
論文参考訳（メタデータ） (2023-09-02T00:32:55Z)
How Can Context Help? Exploring Joint Retrieval of Passage and Personalized Context [39.334509280777425]
コンテキスト認識型文書地下会話システムの概念に触発され,コンテキスト認識型文節検索の課題が紹介される。本稿では,パーソナライズド・コンテクスト・アウェア・サーチ(PCAS)を提案する。
論文参考訳（メタデータ） (2023-08-26T04:49:46Z)
Challenges in Measuring Bias via Open-Ended Language Generation [1.5552869983952944]
我々は、プロンプトセット、メトリクス、自動ツール、サンプリング戦略の特定の選択がバイアス結果にどのように影響するかを分析する。オープンな言語生成におけるバイアスを報告するためのレコメンデーションを提供する。
論文参考訳（メタデータ） (2022-05-23T19:57:15Z)
Can You be More Social? Injecting Politeness and Positivity into Task-Oriented Conversational Agents [60.27066549589362]
人間エージェントが使用する社会言語は、ユーザーの応答性の向上とタスク完了に関連しています。このモデルは、ソーシャル言語理解要素で拡張されたシーケンスからシーケンスまでのディープラーニングアーキテクチャを使用する。人的判断と自動言語尺度の両方を用いたコンテンツ保存と社会言語レベルの評価は,エージェントがより社会的に適切な方法でユーザの問題に対処できる応答を生成できることを示している。
論文参考訳（メタデータ） (2020-12-29T08:22:48Z)
My Teacher Thinks The World Is Flat! Interpreting Automatic Essay Scoring Mechanism [71.34160809068996]
最近の研究では、自動スコアリングシステムが常識的な敵対的サンプルになりやすいことが示されています。近年の解釈能力の進歩を活かし,コヒーレンスやコンテント,関連性といった特徴がスコアリングの自動化にどの程度重要であるかを見出す。また、モデルが意味的に世界知識や常識に基づかないことから、世界のような虚偽の事実を追加することは、それを減らすよりもむしろスコアを増加させる。
論文参考訳（メタデータ） (2020-12-27T06:19:20Z)
Discovering and Categorising Language Biases in Reddit [5.670038395203354]
本稿では,Reddit上のオンライン談話コミュニティの語彙に符号化された言語バイアスを自動的に検出するデータ駆動型手法を提案する。単語埋め込みを用いて、テキストを高次元の高密度ベクトルに変換し、単語間の意味的関係をキャプチャする。さまざまなRedditコミュニティにおいて、ジェンダーバイアス、宗教バイアス、民族バイアスの発見に成功しました。
論文参考訳（メタデータ） (2020-08-06T16:42:10Z)
Towards Debiasing Sentence Representations [109.70181221796469]
Sent-Debiasはバイアスを取り除くのに有効であり、同時に文レベルの下流タスクのパフォーマンスを保っていることを示す。我々は、より公平なNLPのための広く採用されている文表現から社会的偏見を識別・除去する今後の研究に刺激を与えることを期待している。
論文参考訳（メタデータ） (2020-07-16T04:22:30Z)
A Benchmark for Systematic Generalization in Grounded Language Understanding [61.432407738682635]
人間は慣れ親しんだ部分から成り立つ不慣れな状況を記述する表現を容易に解釈する。対照的に、現代のニューラルネットワークは、新しい構成を理解するのに苦労している。位置言語理解における合成一般化を評価するための新しいベンチマークであるgSCANを導入する。
論文参考訳（メタデータ） (2020-03-11T08:40:15Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。