Fugu-MT 論文翻訳(概要): On the Interplay between Human Label Variation and Model Fairness

論文の概要: On the Interplay between Human Label Variation and Model Fairness

arxiv url: http://arxiv.org/abs/2510.12036v1
Date: Tue, 14 Oct 2025 00:43:48 GMT
ステータス: 翻訳完了
システム内更新日: 2025-10-15 19:02:32.128544
Title: On the Interplay between Human Label Variation and Model Fairness
Title（参考訳）: ヒトのラベル変動とモデルフェアネスの相互作用について
Authors: Kemal Kurniawan, Meladel Mistica, Timothy Baldwin, Jey Han Lau,
Abstract要約: 本稿では,多数投票ラベルの学習とHLV手法の比較により,その相互作用について検討する。本実験により, HLVトレーニング法は, 明らかな偏りがなければ, 公平性に肯定的な影響を及ぼすことが示された。
参考スコア（独自算出の注目度）: 45.64010890253298
License: http://creativecommons.org/licenses/by-nc-sa/4.0/
Abstract: The impact of human label variation (HLV) on model fairness is an unexplored topic. This paper examines the interplay by comparing training on majority-vote labels with a range of HLV methods. Our experiments show that without explicit debiasing, HLV training methods have a positive impact on fairness.
Abstract（参考訳）: モデルフェアネスに対する人間のラベル変動(HLV)の影響は未調査のトピックである。本稿では,多数投票ラベルの学習とHLV手法の比較により,その相互作用について検討する。本実験により, HLVトレーニング法は, 明らかな偏りがなければ, 公平性に肯定的な影響を及ぼすことが示された。

関連論文リスト

Revisiting Active Learning under (Human) Label Variation [25.25602927653135]
HLV (Human label variation) は、情報信号としてのアノテーションのもっともらしい差異である。本稿では,HLVをアクティブな学習ループ全体に組み込むための概念的フレームワークを提案する。本研究の目的は,実世界のアノテーションの複雑さを反映したHLV対応能動学習の概念的基盤を構築することである。
論文参考訳（メタデータ） (2025-07-03T12:59:28Z)
Training and Evaluating with Human Label Variation: An Empirical Study [45.64010890253298]
HLV(Human label variation)は、ラベル付きインスタンスが単一根拠真理を持つという標準的な仮定に挑戦する。ファジィ集合理論を利用したHLVの新しい評価指標を提案する。分離されたアノテーションやソフトラベルのトレーニングは、メトリクス間で最高のパフォーマンスを発揮します。
論文参考訳（メタデータ） (2025-02-03T23:49:20Z)
Improving Robust Fairness via Balance Adversarial Training [51.67643171193376]
対人訓練 (AT) 法は, 対人攻撃に対して有効であるが, 異なるクラス間での精度と頑健さの相違が激しい。本稿では,頑健な公正性問題に対処するために,BAT(Adversarial Training)を提案する。
論文参考訳（メタデータ） (2022-09-15T14:44:48Z)
Normalise for Fairness: A Simple Normalisation Technique for Fairness in Regression Machine Learning Problems [46.93320580613236]
回帰問題に対する正規化(FaiReg)に基づく単純かつ効果的な手法を提案する。データバランシングと敵対的トレーニングという,公正性のための2つの標準的な手法と比較する。その結果、データバランスよりも不公平さの影響を低減できる優れた性能を示した。
論文参考訳（メタデータ） (2022-02-02T12:26:25Z)
CLLD: Contrastive Learning with Label Distance for Text Classificatioin [0.6299766708197883]
コントラストクラスを学習するためのCLLD(Contrastive Learning with Label Distance)を提案する。 CLLDは、ラベルの割り当てに繋がる微妙な違いの中で、柔軟性を保証する。実験の結果,学習したラベル距離は,クラス間の対立性を緩和することが示唆された。
論文参考訳（メタデータ） (2021-10-25T07:07:14Z)
Fairness-aware Class Imbalanced Learning [57.45784950421179]
つぶやきの感情と職業分類のロングテール学習手法を評価する。フェアネスを強制する手法により、マージンロスに基づくアプローチを拡張します。
論文参考訳（メタデータ） (2021-09-21T22:16:30Z)
ACP++: Action Co-occurrence Priors for Human-Object Interaction Detection [102.9428507180728]
ヒューマン・オブジェクト・インタラクション(HOI)検出のタスクにおける一般的な問題は、多数のHOIクラスが少数のラベル付き例しか持たないことである。我々は、人間と物体の相互作用の間に自然の相関関係と反相関が存在することを観察した。我々は、これらの先行知識を学習し、特に稀なクラスにおいて、より効果的な訓練に活用する手法を提案する。
論文参考訳（メタデータ） (2021-09-09T06:02:50Z)
Detecting Human-Object Interactions with Action Co-occurrence Priors [108.31956827512376]
人-物間相互作用(HOI)検出タスクにおける一般的な問題は、多数のHOIクラスが少数のラベル付き例しか持たないことである。我々は、人間と物体の相互作用の間に自然の相関と反相関が存在することを観察した。我々はこれらの先行知識を学習し、特に稀なクラスにおいてより効果的な訓練に活用する手法を提案する。
論文参考訳（メタデータ） (2020-07-17T02:47:45Z)

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。