論文の概要: Stop! In the Name of Flaws: Disentangling Personal Names and Sociodemographic Attributes in NLP
- arxiv url: http://arxiv.org/abs/2405.17159v1
- Date: Mon, 27 May 2024 13:33:29 GMT
- ステータス: 処理完了
- システム内更新日: 2024-05-28 15:13:09.295873
- Title: Stop! In the Name of Flaws: Disentangling Personal Names and Sociodemographic Attributes in NLP
- Title（参考訳）: ストップ! 義理の名において:NLPにおける個人名とソシオドモグラフィー属性を異にする
- Authors: Vagrant Gautam, Arjun Subramonian, Anne Lauscher, Os Keyes,
- Abstract要約: 名前と命名に関する学際的背景を示す。
社会デマログラフィーの属性と名前の関連付けに固有の問題を調査する。
我々は、妥当性と倫理的落とし穴を避けるために、規範的な勧告とともに指針質問を提供する。
- 参考スコア（独自算出の注目度）: 17.738887765065396
- License: http://creativecommons.org/licenses/by-sa/4.0/
- Abstract: Personal names simultaneously differentiate individuals and categorize them in ways that are important in a given society. While the natural language processing community has thus associated personal names with sociodemographic characteristics in a variety of tasks, researchers have engaged to varying degrees with the established methodological problems in doing so. To guide future work, we present an interdisciplinary background on names and naming. We then survey the issues inherent to associating names with sociodemographic attributes, covering problems of validity (e.g., systematic error, construct validity), as well as ethical concerns (e.g., harms, differential impact, cultural insensitivity). Finally, we provide guiding questions along with normative recommendations to avoid validity and ethical pitfalls when dealing with names and sociodemographic characteristics in natural language processing.
- Abstract（参考訳）: 個人名は同時に個人を区別し、特定の社会において重要な方法で分類する。
自然言語処理コミュニティは、様々なタスクにおいて、人名と社会デマログラフィーの特徴を関連付けてきたが、研究者は、それを行う上で確立された方法論的な問題に、様々な度合いで取り組んできた。
今後の研究の指針として,名称と命名に関する学際的背景を示す。
次に,社会デマロジカルな属性を連想させ,妥当性の問題(例えば,体系的誤り,構成的妥当性)と倫理的懸念(例えば,害,差分的影響,文化的過敏性)について調査する。
最後に、自然言語処理における名前や社会デマログラフの特徴を扱う際に、妥当性や倫理的落とし穴を避けるための規範的勧告とともに、指導的質問を提供する。
関連論文リスト
- Multicultural Name Recognition For Previously Unseen Names [65.268245109828]
本論文は、人名の認識を改善することを目的としており、それは、誰かが生まれたり、名前を変えたりする際にも、成長できる多様なカテゴリーである。
私は103か国の名前を見て、モデルが異なる文化の名前でどれだけうまく機能するかを比較します。
文字入力と単語入力を組み合わせたモデルの方が単語のみのモデルより優れており,従来のNERモデルと比較して精度が向上する可能性がある。
論文 参考訳（メタデータ） (2024-01-23T17:58:38Z) - PsyCoT: Psychological Questionnaire as Powerful Chain-of-Thought for
Personality Detection [50.66968526809069]
PsyCoTと呼ばれる新しい人格検出手法を提案する。これは、個人がマルチターン対話方式で心理的質問を完遂する方法を模倣するものである。
実験の結果,PsyCoTは人格検出におけるGPT-3.5の性能とロバスト性を大幅に向上させることがわかった。
論文 参考訳（メタデータ） (2023-10-31T08:23:33Z) - Editing Personality for Large Language Models [73.59001811199823]
本稿では,Large Language Models (LLMs) の性格特性の編集に焦点をあてた革新的なタスクを紹介する。
この課題に対処するため、新しいベンチマークデータセットPersonalityEditを構築した。
論文 参考訳（メタデータ） (2023-10-03T16:02:36Z) - Sensitivity, Performance, Robustness: Deconstructing the Effect of
Sociodemographic Prompting [64.80538055623842]
社会デマトグラフィープロンプトは、特定の社会デマトグラフィープロファイルを持つ人間が与える答えに向けて、プロンプトベースのモデルの出力を操縦する技術である。
ソシオデマトグラフィー情報はモデル予測に影響を及ぼし、主観的NLPタスクにおけるゼロショット学習を改善するのに有用であることを示す。
論文 参考訳（メタデータ） (2023-09-13T15:42:06Z) - How word semantics and phonology affect handwriting of Alzheimer's
patients: a machine learning based analysis [20.36565712578267]
本研究は,アルツハイマー病患者の手書き書字に意味論と音韻論がどのような影響を及ぼすかを検討した。
我々は、6つの手書き作業から得られたデータを用いて、それぞれが以下のカテゴリの1つに属する単語をコピーする必要がある。
実験の結果,特徴選択により,単語の種類ごとに異なる特徴セットを導出できることがわかった。
論文 参考訳（メタデータ） (2023-07-06T13:35:06Z) - Nichelle and Nancy: The Influence of Demographic Attributes and
Tokenization Length on First Name Biases [12.459949725707315]
我々は、名前(人種、民族、性別)と名前のトークン化長の人口統計特性が、社会的常識推論モデルの行動に体系的に影響を及ぼす要因であることがわかった。
論文 参考訳（メタデータ） (2023-05-26T01:57:42Z) - In the Name of Fairness: Assessing the Bias in Clinical Record
De-identification [11.794861201300826]
本研究は, 大規模実験分析により, 臨床ノートに記載された名前の非識別システムのバイアスについて検討した。
以上の結果から,ほとんどの手法では,人口分布の大部分が統計的に有意な性能差があることが判明した。
特定されたギャップを緩和するために,臨床状況と多様な名前の微調整による簡易かつ方法に依存しない解法を提案する。
論文 参考訳（メタデータ） (2023-05-18T23:47:00Z) - SF-PATE: Scalable, Fair, and Private Aggregation of Teacher Ensembles [50.90773979394264]
本稿では、個人の機密情報のプライバシーを保護しつつ、差別的でない予測者の学習を可能にするモデルについて検討する。
提案モデルの主な特徴は、プライバシ保護とフェアモデルを作成するために、オフ・ザ・セルフと非プライベートフェアモデルの採用を可能にすることである。
論文 参考訳（メタデータ） (2022-04-11T14:42:54Z) - Differentially Private and Fair Deep Learning: A Lagrangian Dual
Approach [54.32266555843765]
本稿では,個人の機密情報のプライバシを保護するとともに,非差別的予測器の学習を可能にするモデルについて検討する。
この方法は、微分プライバシーの概念と、公正性制約を満たすニューラルネットワークの設計にラグランジアン双対性(Lagrangian duality)を用いることに依存している。
論文 参考訳（メタデータ） (2020-09-26T10:50:33Z) - Assessing Demographic Bias in Named Entity Recognition [0.21485350418225244]
合成コーパスを用いたグループ間における英語の固有認識システムのバイアス評価を行った。
ELMoのような文字ベースの文脈化された単語表現モデルは、人口統計学において最小のバイアスをもたらす。
論文 参考訳（メタデータ） (2020-08-08T02:01:25Z)
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。