Fugu-MT 論文翻訳(概要): The Lifecycle of "Facts": A Survey of Social Bias in Knowledge Graphs

論文の概要: The Lifecycle of "Facts": A Survey of Social Bias in Knowledge Graphs

arxiv url: http://arxiv.org/abs/2210.03353v1
Date: Fri, 7 Oct 2022 06:55:13 GMT
ステータス: 処理完了
システム内更新日: 2022-10-10 13:07:48.852756
Title: The Lifecycle of "Facts": A Survey of Social Bias in Knowledge Graphs
Title（参考訳）: ファクト」のライフサイクル:知識グラフにおける社会的バイアスの調査
Authors: Angelie Kraft and Ricardo Usbeck
Abstract要約: 社会的バイアスは知識グラフに刻まれ、下流に伝播する。本研究は,知識グラフとその組込みバージョンで表されるバイアスに加えて,バイアスを導入する要因について検討した。
参考スコア（独自算出の注目度）: 0.7817685358710509
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: Knowledge graphs are increasingly used in a plethora of downstream tasks or in the augmentation of statistical models to improve factuality. However, social biases are engraved in these representations and propagate downstream. We conducted a critical analysis of literature concerning biases at different steps of a knowledge graph lifecycle. We investigated factors introducing bias, as well as the biases that are rendered by knowledge graphs and their embedded versions afterward. Limitations of existing measurement and mitigation strategies are discussed and paths forward are proposed.
Abstract（参考訳）: 知識グラフは、下流のタスクの多さや、事実性を改善するために統計モデルの強化にますます利用されている。しかし、社会的偏見はこれらの表現に刻まれ、下流に伝播する。知識グラフライフサイクルの異なる段階におけるバイアスに関する文献の批判的分析を行った。本研究は,知識グラフとその組込みバージョンで表されるバイアスに加えて,バイアスを導入する要因について検討した。既存の計測・緩和戦略の限界を議論し、今後の道筋を提案する。

関連論文リスト

Resilience in Knowledge Graph Embeddings [1.90894751866253]
我々は、一般化、性能の整合性、分散適応、堅牢性といったいくつかの要因を含む、レジリエンスを一元的に定義する。調査の結果,既存の研究のほとんどはレジリエンス,すなわち堅牢性に重点を置いていることがわかった。
論文参考訳（メタデータ） (2024-10-28T16:04:22Z)
A Survey of Deep Graph Learning under Distribution Shifts: from Graph Out-of-Distribution Generalization to Adaptation [59.14165404728197]
我々は,分散シフト下での深層グラフ学習について,最新かつ先見的なレビューを行う。具体的には,グラフ OOD 一般化,トレーニング時グラフ OOD 適応,テスト時グラフ OOD 適応の3つのシナリオについて述べる。文献の理解を深めるために,提案した分類に基づく既存モデルを体系的に分類した。
論文参考訳（メタデータ） (2024-10-25T02:39:56Z)
Few-Shot Learning on Graphs: from Meta-learning to Pre-training and Prompting [56.25730255038747]
この調査は、最近の展開を合成し、比較洞察を提供し、将来の方向性を特定するための取り組みである。我々は,既存の研究をメタラーニングアプローチ,事前学習アプローチ,ハイブリッドアプローチの3つの主要なファミリーに体系的に分類した。これらの手法間の関係を解析し,その強みと限界を比較する。
論文参考訳（メタデータ） (2024-02-02T14:32:42Z)
A Survey of Imbalanced Learning on Graphs: Problems, Techniques, and Future Directions [64.84521350148513]
グラフは、現実世界の無数に存在する相互接続構造を表す。グラフ学習方法のような効果的なグラフ分析により、ユーザはグラフデータから深い洞察を得ることができる。しかし、これらの手法はデータ不均衡に悩まされることが多く、グラフデータでは、あるセグメントが豊富なデータを持っているのに、他のセグメントが不足しているのが一般的な問題である。これは、より正確で代表的な学習結果のために、これらのデータ分散スキューを補正することを目的として、グラフ上の不均衡学習の出現する分野を必要とする。
論文参考訳（メタデータ） (2023-08-26T09:11:44Z)
Metrics for Dataset Demographic Bias: A Case Study on Facial Expression Recognition [4.336779198334903]
人口統計バイアスの最も顕著な種類は、データセットにおける人口統計群の表現における統計的不均衡である。我々はこれらの指標を分類するための分類法を開発し、適切な指標を選択するための実践的なガイドを提供する。この論文は、データセットバイアスを緩和し、AIモデルの公正性と正確性を改善するために、AIと関連する分野の研究者に貴重な洞察を提供する。
論文参考訳（メタデータ） (2023-03-28T11:04:18Z)
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)
Out-Of-Distribution Generalization on Graphs: A Survey [45.16337435648981]
グラフ機械学習は学術と産業の両方で広く研究されている。ほとんどの文献はI.I.D.仮説に基づいて構築されている。この問題を解決するために、グラフのアウト・オブ・ディストリビューション(OOD)一般化は大きな進歩を遂げ、研究コミュニティから注目を集めている。本論文は,OODのグラフへの一般化の体系的および包括的レビューとして,我々の知識を最大限に活用した最初のものである。
論文参考訳（メタデータ） (2022-02-16T10:59:06Z)
Unbiased Graph Embedding with Biased Graph Observations [52.82841737832561]
基礎となるバイアスのないグラフから学習することで、バイアスのない表現を得るための、原則化された新しい方法を提案する。この新たな視点に基づいて、そのような基礎となるグラフを明らかにするための2つの補完的手法を提案する。
論文参考訳（メタデータ） (2021-10-26T18:44:37Z)
Towards Automatic Bias Detection in Knowledge Graphs [5.402498799294428]
本稿では,数値バイアス指標に基づいて,知識グラフの埋め込みにおけるバイアスを識別するフレームワークについて述べる。本稿では,職業予測の課題に対する3つの異なるバイアス尺度を用いて,この枠組みを説明する。バイアスを負った関係は、その後の偏見を判断するために意思決定者に渡される。
論文参考訳（メタデータ） (2021-09-19T03:58:25Z)
A Survey of Adversarial Learning on Graphs [59.21341359399431]
本稿では,グラフ逆学習タスクに関する既存の研究を考察し,要約する。具体的には、グラフ解析タスクにおける攻撃と防御に関する既存の作業を調査し、統一する。我々は、関連する評価指標の重要性を強調し、それらを総合的に調査し、要約する。
論文参考訳（メタデータ） (2020-03-10T12:48:00Z)

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。