論文の概要: How to Measure Gender Bias in Machine Translation: Optimal Translators, Multiple Reference Points

• arxiv url: http://arxiv.org/abs/2011.06445v2
• Date: Sun, 19 Dec 2021 20:58:00 GMT
• ステータス: 処理完了
• システム内更新日: 2022-09-26 06:42:44.157211
• Title: How to Measure Gender Bias in Machine Translation: Optimal Translators, Multiple Reference Points
• Title（参考訳）: 機械翻訳におけるジェンダーバイアスの測定方法:最適な翻訳者、複数の参照ポイント
• Authors: Anna Farkas and Ren\'ata N\'emeth
• Abstract要約: 我々は、ジェンダーニュートラルな代名詞を持つ言語であるハンガリー語から、職業名を含む文を英語に翻訳する。 本研究の目的は, 翻訳を最適な非バイアス翻訳者と比較することにより, バイアスの公平な尺度を提示することであった。 その結果、両性に偏りが認められたが、女性に偏った結果の方がはるかに多いことが判明した。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: In this paper, as a case study, we present a systematic study of gender bias in machine translation with Google Translate. We translated sentences containing names of occupations from Hungarian, a language with gender-neutral pronouns, into English. Our aim was to present a fair measure for bias by comparing the translations to an optimal non-biased translator. When assessing bias, we used the following reference points: (1) the distribution of men and women among occupations in both the source and the target language countries, as well as (2) the results of a Hungarian survey that examined if certain jobs are generally perceived as feminine or masculine. We also studied how expanding sentences with adjectives referring to occupations effect the gender of the translated pronouns. As a result, we found bias against both genders, but biased results against women are much more frequent. Translations are closer to our perception of occupations than to objective occupational statistics. Finally, occupations have a greater effect on translation than adjectives.
• Abstract（参考訳）: 本稿では,Google Translateを用いた機械翻訳における性別バイアスの体系的研究について述べる。 我々は、性中立代名詞を持つ言語であるハンガリー語の職業名を含む文を英語に翻訳した。 本研究の目的は,翻訳を最適な非バイアス翻訳者と比較することにより,バイアスの公平な測定を行うことであった。 偏見を評価する際には,(1)ソースおよび対象言語諸国の職業における男女の分布,(2)特定の職種が一般的に女性または男性であると認識されるかどうかを調査するハンガリー人調査の結果,といった基準点を用いた。 また, 職業に言及する形容詞が翻訳代名詞の性別に与える影響についても検討した。 その結果,両性に偏りが認められたが,女性に偏った結果の方が多かった。 翻訳は、客観的な職業統計よりも、我々の職業に対する認識に近い。 最後に、職業は形容詞よりも翻訳に大きな影響を及ぼす。

関連論文リスト

• Evaluating Gender Bias in Large Language Models [0.8636148452563583]
  本研究では,大規模言語モデル (LLMs) が職業文脈における代名詞選択における性別バイアスの程度について検討した。 対象とする職業は、男性に有意な存在感を持つものから女性に有意な集中力を持つものまで幅広い。 その結果, モデルの代名詞選択と, 労働力データに存在する性別分布との間には, 正の相関関係が認められた。
  論文  参考訳（メタデータ） (2024-11-14T22:23:13Z)
• Beyond Binary Gender: Evaluating Gender-Inclusive Machine Translation with Ambiguous Attitude Words [85.48043537327258]
  既存の機械翻訳の性別バイアス評価は主に男性と女性の性別に焦点を当てている。 本研究では,AmbGIMT (Gender-Inclusive Machine Translation with Ambiguous attitude words) のベンチマークを示す。 本研究では,感情的態度スコア(EAS)に基づく性別バイアス評価手法を提案する。
  論文  参考訳（メタデータ） (2024-07-23T08:13:51Z)
• Investigating Markers and Drivers of Gender Bias in Machine Translations [0.0]
  大型言語モデル(LLM)におけるインプシット性バイアスは、文書化された問題である。 我々は、DeepL翻訳APIを使用して、56のソフトウェアエンジニアリングタスクを繰り返し翻訳する際に生じるバイアスを調査する。 いくつかの言語は、類似した代名詞の使用パターンを示し、3つの緩いグループに分類する。 文中に出現する主動詞は,翻訳における意味のあるジェンダーの要因である可能性が示唆された。
  論文  参考訳（メタデータ） (2024-03-18T15:54:46Z)
• The Causal Influence of Grammatical Gender on Distributional Semantics [87.8027818528463]
  言語間のジェンダー割り当てがどの程度意味を持つかは、言語学と認知科学における研究の活発な領域である。 我々は、名詞の文法的性別、意味、形容詞選択の間の相互作用を共同で表現する、新しい因果的グラフィカルモデルを提供する。 名詞の意味を制御した場合、文法的性別と形容詞的選択の関係は、ほぼゼロであり、無意味である。
  論文  参考訳（メタデータ） (2023-11-30T13:58:13Z)
• Gender Inflected or Bias Inflicted: On Using Grammatical Gender Cues for Bias Evaluation in Machine Translation [0.0]
  我々はヒンディー語をソース言語とし、ヒンディー語(HI-EN)の異なるNMTシステムを評価するために、ジェンダー特化文の2つのセットを構築した。 本研究は,そのような外部バイアス評価データセットを設計する際に,言語の性質を考えることの重要性を強調した。
  論文  参考訳（メタデータ） (2023-11-07T07:09:59Z)
• The Impact of Debiasing on the Performance of Language Models in Downstream Tasks is Underestimated [70.23064111640132]
  我々は、幅広いベンチマークデータセットを用いて、複数の下流タスクのパフォーマンスに対するデバイアスの影響を比較した。 実験により、デバイアスの効果は全てのタスクにおいて一貫して見積もられていることが示されている。
  論文  参考訳（メタデータ） (2023-09-16T20:25:34Z)
• VisoGender: A dataset for benchmarking gender bias in image-text pronoun resolution [80.57383975987676]
  VisoGenderは、視覚言語モデルで性別バイアスをベンチマークするための新しいデータセットである。 We focus to occupation-related biases in a hegemonic system of binary gender, inspired by Winograd and Winogender schemas。 我々は、最先端の視覚言語モデルをいくつかベンチマークし、それらが複雑な場面における二項性解消のバイアスを示すことを発見した。
  論文  参考訳（メタデータ） (2023-06-21T17:59:51Z)
• Towards Understanding Gender-Seniority Compound Bias in Natural Language Generation [64.65911758042914]
  本研究では,事前学習したニューラルジェネレーションモデルにおける性別バイアスの程度に,高齢者がどのような影響を及ぼすかを検討する。 以上の結果から, GPT-2は, 両領域において, 女性を中年, 男性を中年として考えることにより, 偏見を増幅することが示された。 以上の結果から, GPT-2を用いて構築したNLPアプリケーションは, プロの能力において女性に害を与える可能性が示唆された。
  論文  参考訳（メタデータ） (2022-05-19T20:05:02Z)
• Gender Bias Hidden Behind Chinese Word Embeddings: The Case of Chinese Adjectives [0.0]
  本論文は,中国語形容詞の独特な視点から,静的単語埋め込みにおける性別バイアスについて検討する。 生成した結果と人間によって表されたデータセットを比較することで,単語埋め込みに符号化された性別バイアスが人々の態度とどのように異なるかを示す。
  論文  参考訳（メタデータ） (2021-06-01T02:12:45Z)
• Multi-Dimensional Gender Bias Classification [67.65551687580552]
  機械学習モデルは、性別に偏ったテキストでトレーニングする際に、社会的に望ましくないパターンを不注意に学習することができる。 本稿では,テキスト中の性バイアスを複数の実用的・意味的な次元に沿って分解する一般的な枠組みを提案する。 このきめ細かいフレームワークを用いて、8つの大規模データセットにジェンダー情報を自動的にアノテートする。
  論文  参考訳（メタデータ） (2020-05-01T21:23:20Z)

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。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。