論文の概要: Stereotypical gender actions can be extracted from Web text

• arxiv url: http://arxiv.org/abs/2506.02740v1
• Date: Tue, 03 Jun 2025 10:55:00 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-06-04 21:47:35.598926
• Title: Stereotypical gender actions can be extracted from Web text
• Title（参考訳）: Webテキストからステレオタイプジェンダーアクションを抽出できる
• Authors: Amaç Herdağdelen, Marco Baroni,
• Abstract要約: 行動の性別バイアスを計算するために,Twitter利用者の性別情報とWebコーパスに基づく代名詞/名前の性別情報を用いている。 そこで本研究では,行動のステレオタイプによるジェンダー予測によって,コモンセンスレポジトリを増強するために,自然なテキストを使用することが可能であると結論付けた。
• 参考スコア（独自算出の注目度）: 9.128204591971699
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: We extracted gender-specific actions from text corpora and Twitter, and compared them to stereotypical expectations of people. We used Open Mind Common Sense (OMCS), a commonsense knowledge repository, to focus on actions that are pertinent to common sense and daily life of humans. We use the gender information of Twitter users and Web-corpus-based pronoun/name gender heuristics to compute the gender bias of the actions. With high recall, we obtained a Spearman correlation of 0.47 between corpus-based predictions and a human gold standard, and an area under the ROC curve of 0.76 when predicting the polarity of the gold standard. We conclude that it is feasible to use natural text (and a Twitter-derived corpus in particular) in order to augment commonsense repositories with the stereotypical gender expectations of actions. We also present a dataset of 441 commonsense actions with human judges' ratings on whether the action is typically/slightly masculine/feminine (or neutral), and another larger dataset of 21,442 actions automatically rated by the methods we investigate in this study.
• Abstract（参考訳）: テキストコーパスとTwitterからジェンダー固有のアクションを抽出し,それらを人々のステレオタイプ的期待値と比較した。 我々は、常識知識リポジトリであるオープンマインド・コモンセンス(OMCS)を用いて、人間の常識や日常生活に関係のある行動に焦点を当てた。 我々は、Twitter利用者の性別情報とWebコーパスに基づく代名詞/名前の性別ヒューリスティックスを用いて、行動の性別バイアスを計算する。 高リコールにより, コーパスベース予測とヒトゴールド標準とのスピアマン相関値0.47と, 金標準の極性予測におけるROC曲線0.76以下の領域の相関値を得た。 我々は,行動のステレオタイプによる性別予測によってコモンセンスリポジトリを強化するために,自然テキスト(特にTwitter由来のコーパス)を使用することが可能であると結論付けている。 また、人間の判断による441件のコモンセンス行動のデータセットを提示し、そのアクションが男性/女性(または中性)であるかどうかについて、また、本研究では調査方法によって自動的に評価された21,442件の行動のデータセットを提示する。

関連論文リスト

• ''Fifty Shades of Bias'': Normative Ratings of Gender Bias in GPT Generated English Text [11.085070600065801]
  言語は、社会的信念システムの顕在化のための強力なツールとして機能する。 ジェンダーバイアスは、私たちの社会でもっとも普及しているバイアスの1つです。 我々は、GPT生成した英語テキストの最初のデータセットを作成し、男女バイアスの規範的評価を行う。
  論文  参考訳（メタデータ） (2023-10-26T14:34:06Z)
• 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)
• Social Biases in Automatic Evaluation Metrics for NLG [53.76118154594404]
  本稿では,単語埋め込みアソシエーションテスト(WEAT)と文埋め込みアソシエーションテスト(SEAT)に基づく評価手法を提案する。 我々は、画像キャプションやテキスト要約タスクにおける性別バイアスの影響を調査するために、性別対応メタ評価データセットを構築した。
  論文  参考訳（メタデータ） (2022-10-17T08:55:26Z)
• Gender Bias in Text: Labeled Datasets and Lexicons [0.30458514384586394]
  性別バイアスの自動検出には、性別バイアスデータセットと語彙の欠如がある。 関連文の収集,注釈付け,拡張によりラベル付きデータセットと網羅的辞書を提供する。 リリースされたデータセットとレキシコンは、Generic He、Generic She、Explicit Marking of Sex、Gendered Neologismsなど、複数のバイアスサブタイプにまたがっている。
  論文  参考訳（メタデータ） (2022-01-21T12:44:51Z)
• Gendered Language in Resumes and its Implications for Algorithmic Bias in Hiring [0.0]
  我々は応募者の性別を分類するために一連のモデルを訓練する。 我々は、履歴書から性別を難読化できるかどうか検討する。 難読化後も履歴書には男女情報が多く存在することが判明した。
  論文  参考訳（メタデータ） (2021-12-16T14:26:36Z)
• Gender Stereotype Reinforcement: Measuring the Gender Bias Conveyed by Ranking Algorithms [68.85295025020942]
  本稿では,性別ステレオタイプをサポートする検索エンジンの傾向を定量化するジェンダーステレオタイプ強化(GSR)尺度を提案する。 GSRは、表現上の害を定量化できる情報検索のための、最初の特別に調整された尺度である。
  論文  参考訳（メタデータ） (2020-09-02T20:45:04Z)
• 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)
• Unsupervised Discovery of Implicit Gender Bias [38.59057512390926]
  我々は、女性に対する性的偏見をコメントレベルで識別するために、教師なしのアプローチをとる。 主な課題は、データ内の他のアーティファクトではなく、暗黙のバイアスの兆候にモデルを集中させることです。
  論文  参考訳（メタデータ） (2020-04-17T17:36:20Z)

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。