Fugu-MT 論文翻訳(概要): The User-Aware Arabic Gender Rewriter

論文の概要: The User-Aware Arabic Gender Rewriter

arxiv url: http://arxiv.org/abs/2210.07538v1
Date: Fri, 14 Oct 2022 05:34:57 GMT
ステータス: 処理完了
システム内更新日: 2022-10-17 16:24:38.452249
Title: The User-Aware Arabic Gender Rewriter
Title（参考訳）: ユーザ対応のアラビア語性書き直しシステム
Authors: Bashar Alhafni, Ossama Obeid, Nizar Habash
Abstract要約: 本稿では,アラビア語のジェンダーリライティングのためのユーザ中心のWebベースシステムであるUser-Aware Arabic Gender Rewriterを紹介する。このシステムはアラビア語または英語の文を入力として受け取り、ユーザーは好みの1人目または2人目の性別を指定できる。
参考スコア（独自算出の注目度）: 12.26152421175485
License: http://creativecommons.org/licenses/by/4.0/
Abstract: We introduce the User-Aware Arabic Gender Rewriter, a user-centric web-based system for Arabic gender rewriting in contexts involving two users. The system takes either Arabic or English sentences as input, and provides users with the ability to specify their desired first and/or second person target genders. The system outputs gender rewritten alternatives of the Arabic input sentences (or their Arabic translations in case of English input) to match the target users' gender preferences.
Abstract（参考訳）: 本稿では,2人のユーザを巻き込んだコンテキストでアラビア語の性別を書き換えるユーザ中心のWebベースシステムであるUser-Aware Arabic Gender Rewriterを紹介する。このシステムは、アラビア語または英語の文を入力とし、ユーザーが求める第一および第二のターゲットの性別を指定できるようにする。このシステムは、ターゲットユーザの性別嗜好に合うように、アラビア語入力文(または英語入力の場合のアラビア語翻訳)の性別書き換え代替語を出力する。

関連論文リスト

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)
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)
Beyond Arabic: Software for Perso-Arabic Script Manipulation [67.31374614549237]
ペルソ・アラビア文字を使用する言語の書き起こしシステムを操作するための有限状態トランスデューサ(FST)コンポーネントとそれに対応するユーティリティのセットを提供する。ライブラリはまた、単純なFSTベースのロマン化と文字変換も提供する。
論文参考訳（メタデータ） (2023-01-26T20:37:03Z)
The Shared Task on Gender Rewriting [7.6676670534261175]
ジェンダー書き換えのタスクとは、特定の文の代替語を生成して、異なるターゲットのユーザー性別コンテキストにマッチさせることである。これは、ユーザを参照する特定の単語の文法的な性別を変更する必要がある。 4カ国から合計5チームが参加している。
論文参考訳（メタデータ） (2022-10-22T10:27:53Z)
User-Centric Gender Rewriting [12.519348416773553]
我々は2人のユーザー(私とあなた)を巻き込んだ文脈におけるジェンダーリライトの課題を定義する。ルールベースモデルとニューラルリライトモデルの両方の肯定的な側面を組み合わせたマルチステップシステムを開発した。本研究は、アラビア語のジェンダー書き直しのためのコーパスにおいて、このアプローチの有効性を実証することに成功した。
論文参考訳（メタデータ） (2022-05-04T17:46:17Z)
The Arabic Parallel Gender Corpus 2.0: Extensions and Analyses [17.253633576291897]
本研究では,性別識別と書き直しのための新しいコーパスを提案する。アラビア語は、ジェンダーマークに富む形態的言語である。
論文参考訳（メタデータ） (2021-10-18T12:06:17Z)
User Factor Adaptation for User Embedding via Multitask Learning [45.56193775870044]
ユーザ関心をドメインとして扱い、ユーザ言語がどのように異なるかを経験的に検証する。マルチタスク学習フレームワークを用いて,ユーザの関心の言語変動を考慮したユーザ埋め込みモデルを提案する。モデルは人間の監督なしにユーザ言語とそのバリエーションを学習する。
論文参考訳（メタデータ） (2021-02-22T15:21:01Z)
They, Them, Theirs: Rewriting with Gender-Neutral English [56.14842450974887]
私たちは、英語でジェンダーインクルージョンを促進する一般的な方法である特異点についてケーススタディを行います。本研究では, 人為的データを持たない1%の単語誤り率で, ジェンダーニュートラルな英語を学習できるモデルについて述べる。
論文参考訳（メタデータ） (2021-02-12T21:47:48Z)
Neural Machine Translation Doesn't Translate Gender Coreference Right Unless You Make It [18.148675498274866]
ニューラル・マシン・トランスフォーメーションに明示的な単語レベルのジェンダー・インフレクション・タグを組み込む手法を提案する。既存の単純なアプローチは、文中の複数のエンティティにジェンダー・フィーチャーを過度に一般化することができる。また,英語のジェンダーニュートラルな実体の翻訳を,それに対応する言語規則で評価する拡張も提案する。
論文参考訳（メタデータ） (2020-10-11T20:05:42Z)
Gender in Danger? Evaluating Speech Translation Technology on the MuST-SHE Corpus [20.766890957411132]
英語のような生産的な文法的なジェンダーのない言語からジェンダーマーク付き言語に翻訳することは、機械にとってよく知られた困難である。ジェンダーバイアスを減らすために、オーディオは追加情報を提供できるか? 本稿では、音声翻訳における性差に関する最初の徹底的な調査を行い、将来の研究に役立つベンチマークのリリースに寄与する。
論文参考訳（メタデータ） (2020-06-10T09:55:38Z)
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。