Fugu-MT 論文翻訳(概要): Using Adversarial Debiasing to Remove Bias from Word Embeddings

論文の概要: Using Adversarial Debiasing to Remove Bias from Word Embeddings

arxiv url: http://arxiv.org/abs/2107.10251v2
Date: Thu, 22 Jul 2021 01:31:28 GMT
ステータス: 処理完了
システム内更新日: 2021-07-23 10:41:46.482005
Title: Using Adversarial Debiasing to Remove Bias from Word Embeddings
Title（参考訳）: 単語埋め込みからバイアスを除去する逆行性デバイアス
Authors: Dana Kenna
Abstract要約: この結果から, アドバサリアル・デバサリングがバイアス除去に有効であることを示すとともに, アドバサリアル・デバサシングの有用性についてさらなる研究を動機づける可能性が示唆された。
参考スコア（独自算出の注目度）: 0.0
License: http://creativecommons.org/licenses/by-sa/4.0/
Abstract: Word Embeddings have been shown to contain the societal biases present in the original corpora. Existing methods to deal with this problem have been shown to only remove superficial biases. The method of Adversarial Debiasing was presumed to be similarly superficial, but this is was not verified in previous works. Using the experiments that demonstrated the shallow removal in other methods, I show results that suggest Adversarial Debiasing is more effective at removing bias and thus motivate further investigation on the utility of Adversarial Debiasing.
Abstract（参考訳）: 単語埋め込みは、元のコーパスに存在する社会バイアスを含むことが示されている。この問題に対処する既存の方法は、表面バイアスだけを取り除くことが示されている。敵対的デバイアスの方法も同様に表面的であると推定されたが、これは以前の作品では確認されていない。他の方法で浅く除去した実験を用いて, 逆バイアスの除去にadversarial debiasingの方が有効であることを示唆し, 逆バイアスの効用に関するさらなる調査の動機となった。

関連論文リスト

Applying Intrinsic Debiasing on Downstream Tasks: Challenges and Considerations for Machine Translation [19.06428714669272]
内在的デバイアスの手法がニューラルマシン翻訳モデルにどのように影響するかを系統的に検証する。私たちは、デバイアスングテクニックとエンドゴール使用の3つの課題とミスマッチを強調します。
論文参考訳（メタデータ） (2024-06-02T15:57:29Z)
A First Look at Selection Bias in Preference Elicitation for Recommendation [64.44255178199846]
選好選好における選好バイアスの影響について検討した。大きなハードルは、好みの推論インタラクションを持つ公開データセットがないことです。本稿では,トピックに基づく選好提案プロセスのシミュレーションを提案する。
論文参考訳（メタデータ） (2024-05-01T14:56:56Z)
Debiasing Sentence Embedders through Contrastive Word Pairs [46.9044612783003]
NLP解に対する線形および非線形バイアス情報を除去する手法を検討する。従来のバイアス指標と非線形情報を考慮に入れたバイアス指標の共通偏り評価手法との比較を行った。
論文参考訳（メタデータ） (2024-03-27T13:34:59Z)
Looking at the Overlooked: An Analysis on the Word-Overlap Bias in Natural Language Inference [20.112129592923246]
我々は、NLIモデルにおける重複バイアスの見過ごされた側面、すなわちリバースワードオーバーラップバイアスに焦点を当てる。現在のNLIモデルは、重複の少ないインスタンスにおいて、非エンターメントラベルに対して非常に偏りがある。重なり合うバイアスの出現とその緩和におけるマイノリティ事例の役割について検討する。
論文参考訳（メタデータ） (2022-11-07T21:02:23Z)
The SAME score: Improved cosine based bias score for word embeddings [49.75878234192369]
埋め込みにおけるセマンティックバイアスのための新しいバイアススコアであるPetを紹介した。本研究は,下水道作業における意味バイアスを測定し,社会的バイアスの潜在的な原因を特定することができることを示す。
論文参考訳（メタデータ） (2022-03-28T09:28:13Z)
"Thy algorithm shalt not bear false witness": An Evaluation of Multiclass Debiasing Methods on Word Embeddings [3.0204693431381515]
本稿では,最先端のマルチクラス・デバイアス技術であるハード・デバイアス,ソフトウィート・デバイアス,コンセプタ・デバイアスについて検討する。単語埋め込みアソシエーションテスト(WEAT)、平均コサイン類似度(MAC)、相対負性感覚バイアス(RNSB)によるバイアス除去を定量化することにより、共通のバイアス除去時のパフォーマンスを評価する。
論文参考訳（メタデータ） (2020-10-30T12:49:39Z)
OSCaR: Orthogonal Subspace Correction and Rectification of Biases in Word Embeddings [47.721931801603105]
我々は,概念全体を取り除く代わりに,概念間のバイアス付き関連を解消することに焦点を当てたバイアス緩和手法であるOSCaRを提案する。性別バイアスに関する実験により、OSCaRは、セマンティック情報が埋め込みに保持され、バイアスも効果的に緩和されるようなバランスのとれたアプローチであることが示されている。
論文参考訳（メタデータ） (2020-06-30T18:18:13Z)
Mitigating Gender Bias Amplification in Distribution by Posterior Regularization [75.3529537096899]
本稿では,男女差の増幅問題について,分布の観点から検討する。後続正則化に基づくバイアス緩和手法を提案する。私たちの研究はバイアス増幅の理解に光を当てている。
論文参考訳（メタデータ） (2020-05-13T11:07:10Z)
Double-Hard Debias: Tailoring Word Embeddings for Gender Bias Mitigation [94.98656228690233]
本稿では,性別サブスペースの推測と削除に先立って,コーパス正規性に対する単語埋め込みを浄化する手法を提案する。本手法は,事前学習した単語埋め込みの分布的意味を保ちつつ,性別バイアスを従来の手法よりもはるかに大きい程度に低減する。
論文参考訳（メタデータ） (2020-05-03T02:33:20Z)

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。